10.13774/j.cnki.kjtb.2019.10.017
基于改进的模糊C均值算法电力负载预测研究
为了提高电力负荷预测的精度,将天气、日期因素纳入到了计算的范畴中来,使用基于模糊聚类的对相似日进行选取,得出该日的短期电力负荷预测模型.本文算法将天气、日期因素建立起模糊系数特性映射表,实现了对应影响因素的量化处理,便于算法的实现.然后,使用模糊聚类算法对相关的数据进行分类,因为使用了相似日,因此,样本的数量得以大大减少,提高了算法的速度和准确度.本文的是力负荷模型将天气、日期考虑进了电力负荷预测影响的因素中去,减少了算法在预测上的随机性.仿真实验结果证明了该算法拥有更高的预测精度.
模糊C均值算法、电力负载预测、模糊聚类、模糊相似矩阵
35
TP301.6(计算技术、计算机技术)
2019-12-05(万方平台首次上网日期,不代表论文的发表时间)
共4页
97-100