基于CNN-LSTM算法的电力系统气象灾害故障预测方法

1

作者 赵建伟 林雨场 +5 位作者 陈升 李琦 李更丰 张理寅 陆旭 辛正堃 《电工电能新技术》 北大核心 2025年第3期109-118,共10页

近年来,日益频发的台风、冰灾、地震、高温等气象灾害事件严重威胁电力系统的安全可靠运行,极端气象灾害下的大规模电网事故导致极高的社会经济损失,因此,对电力系统灾害故障进行精准有效预测具有重要意义。然而,传统方法考虑的故障影... 近年来,日益频发的台风、冰灾、地震、高温等气象灾害事件严重威胁电力系统的安全可靠运行,极端气象灾害下的大规模电网事故导致极高的社会经济损失,因此,对电力系统灾害故障进行精准有效预测具有重要意义。然而,传统方法考虑的故障影响因素类型较为单一,未能同时考虑气象、地理、电网等多种因素对系统故障的影响。同时,考虑极端气象灾害的空间分布和时序演变特性,故障的时空相关性也是预测中的关键因素。因此,本文提出一种基于卷积-长短期记忆神经网络的电力系统气象灾害故障预测方法,建立包含气象、地理、电网多源数据的电力系统故障预测数据集,提出基于卷积神经网络的多源数据融合分析方法,实现故障空间相关性的高效提取;基于长短期记忆算法设计了具有双层网络结构的故障时序预测方法,实现了故障时间相关性的有效刻画,最终形成卷积-长短期记忆神经网络统一框架,提升气象灾害故障预测的准确度。所提方法的有效性和准确性通过台风“米卡拉”、“卢碧”的历史气象数据以及中国东南沿海某区域地理、电网数据进行验证。 展开更多

关键词 深度学习 卷积神经网络 长短期记忆神经网络 电力系统故障预测 气象灾害

在线阅读 下载PDF 职称材料

基于人工智能算法的电力系统负荷预测研究综述 被引量：2

2

作者 杨雷 罗雪红 +3 位作者 韩鹍 张启立 郭鹏 李晓飞 《电工技术》 2024年第12期57-60,共4页

在能源互联网大环境下,风光等新能源发电的大量并网带来的间歇性问题影响了电力系统的稳定运行。传统的电力负荷预测方法对于该情况下的动态负荷精度已无法保证,而基于人工智能算法的预测方法得到了广泛的应用。对此,首先介绍了电力系... 在能源互联网大环境下,风光等新能源发电的大量并网带来的间歇性问题影响了电力系统的稳定运行。传统的电力负荷预测方法对于该情况下的动态负荷精度已无法保证,而基于人工智能算法的预测方法得到了广泛的应用。对此,首先介绍了电力系统负荷预测方法的分类和必要性,并将基于人工智能算法的电力系统负荷预测分为基于传统机器学习、基于深度学习、基于组合模型3种方法展开综述,最后对电力负荷预测领域的未来发展进行了展望和总结。 展开更多

关键词 电力系统负荷预测 传统机器学习 深度学习 组合模型

在线阅读 下载PDF 职称材料

基于WT-CNN-LSTM混合神经网络的电力系统负荷预测模型

3

作者 陈亮吉 朱晨君 《新型工业化》 2024年第7期132-141,共10页

随着电力在我国能源占比中的持续提升,电力预测在现代能源管理中具有不可替代的作用。由于电力结构的多元化以及影响因素的复杂化,传统的预测模型在电力负荷预测中存在局限性。本文结合小波变换(WT)与神经网络CNN-LSTM,将WT-CNN-LSTM混... 随着电力在我国能源占比中的持续提升,电力预测在现代能源管理中具有不可替代的作用。由于电力结构的多元化以及影响因素的复杂化,传统的预测模型在电力负荷预测中存在局限性。本文结合小波变换(WT)与神经网络CNN-LSTM,将WT-CNN-LSTM混合神经网络应用于电力系统的负荷预测,并与传统机器学习模型、时间序列预测模型进行对比,结果表明WT-CNN-LSTM神经网络在电力负荷预测上具有更高的准确性,能够为电力系统运行和规划提供参考依据。 展开更多

关键词 电力系统负荷预测 CNN-LSTM混合神经网络 小波变换 大数据

在线阅读 下载PDF 职称材料

基于电能计量的电力系统负荷预测研究

4

作者 孙旭 冷鹏飞 《中国科技期刊数据库 工业A》 2024年第7期0037-0040,共4页

本文充分运用详尽的电能计量数据,对电力系统负荷预测的理论和手法进行了更为深入的研究。利用尖端的数据挖掘工具和机器学习算法,深挖电能计量数值与系统负荷之间的隐秘联系。经过严谨的模型检验,展示了超高的预测精度,这恰好满足电力... 本文充分运用详尽的电能计量数据,对电力系统负荷预测的理论和手法进行了更为深入的研究。利用尖端的数据挖掘工具和机器学习算法,深挖电能计量数值与系统负荷之间的隐秘联系。经过严谨的模型检验,展示了超高的预测精度,这恰好满足电力系统运行所需。从电能计量的视角,本项研究讨论了负荷预测对电力系统调度、电力市场交易还有电网规划等诸多问题的影响。由此,能够帮助提升电力系统运营的安全和效率,为运营决策提供更为科学,实用的参考和依据。 展开更多

关键词 电能计量 电力系统负荷预测 数据挖掘 机器学习 电力系统运营

在线阅读 下载PDF 职称材料

基于神经网络下的负荷预测在电力系统中的应用

5

作者 尹雪琴 《现代工业经济和信息化》 2024年第5期161-162,共2页

对电力系统进行负荷预测不仅可以最大可能地减少电力的损耗,还能使电力系统领域更好的顺应国家“双碳”政策。基于此,探讨了神经网络(BP)、卷积神经网络(CNN)和长短期记忆神经网络(LSTM)这三种方法在神经网络中的应用,同时探讨了电力系... 对电力系统进行负荷预测不仅可以最大可能地减少电力的损耗,还能使电力系统领域更好的顺应国家“双碳”政策。基于此,探讨了神经网络(BP)、卷积神经网络(CNN)和长短期记忆神经网络(LSTM)这三种方法在神经网络中的应用,同时探讨了电力系统负荷预测方法的未来发展。 展开更多

关键词 神经网络 电力系统负荷预测 人工神经网络(BP) 卷积神经网络

在线阅读 下载PDF 职称材料

极限学习机的短期电力系统负荷预测 被引量：2

6

作者 周莉 黄志祥 《电子世界》 CAS 2021年第8期33-34,共2页

为了更加精确的进行电力负荷预测,本文提出了一种基于极限学习机(ELM)的电力负荷预测方法。对短期负荷中的数据样本进行分析后再将其归一化处理,构建了基于ELM的短期电力负荷预测模型。采用BP神经网络与ELM对同组电力负荷数据分别进行预... 为了更加精确的进行电力负荷预测,本文提出了一种基于极限学习机(ELM)的电力负荷预测方法。对短期负荷中的数据样本进行分析后再将其归一化处理,构建了基于ELM的短期电力负荷预测模型。采用BP神经网络与ELM对同组电力负荷数据分别进行预测,并对两种预测模型进行对比。实验结果表明,ELM算法较于BP神经网络有着更高的预测精度,并且运行时间更短。 展开更多

关键词 短期电力负荷预测 BP神经网络 电力系统负荷预测 短期负荷 极限学习机 负荷数据 归一化处理 数据样本

在线阅读 下载PDF 职称材料

电力系统负荷预测研究综述 被引量：9

7

作者 李晨 尹常永 李奇洁 《电子世界》 CAS 2021年第16期81-82,共2页

预测,是一类科学问题的总称,是用来推测和估计目前尚未发生或还不明确的事物。许多行业都会遇到预测问题,比如宏观经济预测、天气预报、人口数量预测、GDP发展预测等。对于预测,一般是在一定理论的参考下,以过去事物发展的规律和目前情... 预测,是一类科学问题的总称,是用来推测和估计目前尚未发生或还不明确的事物。许多行业都会遇到预测问题,比如宏观经济预测、天气预报、人口数量预测、GDP发展预测等。对于预测,一般是在一定理论的参考下,以过去事物发展的规律和目前情况作锚点,将搜集到的历史数据作为预测基础,并在严密的分析和理论计算上,认识事物内在的发展规律,进而对未来的发展变化做出较为准确的估计。电力系统负荷预测是根据电力负荷的历史数据,搜集历史天气数据、降水量等天气影响,经济的繁荣和萧条,社会现状等基础数据,并作为预测支撑,搜寻负荷与其他相关因素的内在联系,从而达到精准预测负荷的目的,电力负荷是有预测的必要性的。 展开更多

关键词 电力负荷 电力系统负荷预测 宏观经济预测 历史数据 基础数据 天气预报 天气影响 社会现状

在线阅读 下载PDF 职称材料

LSTM模型在电力系统负荷预测中的应用 被引量：8

8

作者 王闯 兰程皓 +3 位作者 凌德祥 吴伟 刘书剑 卜云彤 《电力大数据》 2021年第1期17-24,共8页

为解决数据随时间变化的电力系统短期负荷预测问题,本文阐述、采用和总结线性回归,普通BP神经网络,GRU神经网络,LSTM神经网络在电力系统短期负荷预测中应用的理论基础和方法,分别针对神经网络的多种预测方法进行归纳总结。LSTM即长短期... 为解决数据随时间变化的电力系统短期负荷预测问题,本文阐述、采用和总结线性回归,普通BP神经网络,GRU神经网络,LSTM神经网络在电力系统短期负荷预测中应用的理论基础和方法,分别针对神经网络的多种预测方法进行归纳总结。LSTM即长短期记忆网络,拥有门机制,可以选择性的遗忘和记忆过去的信息,特别能记忆一个序列时间段的信息。本文以某城市2019年全年的电力负荷数据为基础,该数据集包含城市350天的每天48个时间点的16800条数据,通过python绘图,解决对比不同算法之间的性能差异问题,最终得到LSTM在电力系统短期负荷预测上性能最优的结果。通过结果分析,得出利用电力负荷时间序列具有历史依赖性的特点,使用LSTM深度神经网络与传统神经网络进行了对比预测,证明了深度学习在电力负荷预测领域的适用性和精确性。 展开更多

关键词 长短期记忆网络 深度学习 神经网络 电力系统负荷预测 平均绝对误差

在线阅读 下载PDF 职称材料

基于秃鹰搜索算法优化支持向量机的电力系统故障预测方法研究 被引量：3

9

作者 刘裕舸 《红水河》 2022年第6期95-101,共7页

针对电力系统故障预测准确率低、预测模型受参数限制等问题,笔者通过对人工智能算法优化的研究,提出基于秃鹰搜索算法优化支持向量机的电力系统故障预测方法。通过采用Matlab仿真软件建模,模拟生成电力系统多种故障,应用秃鹰搜索算法优... 针对电力系统故障预测准确率低、预测模型受参数限制等问题,笔者通过对人工智能算法优化的研究,提出基于秃鹰搜索算法优化支持向量机的电力系统故障预测方法。通过采用Matlab仿真软件建模,模拟生成电力系统多种故障,应用秃鹰搜索算法优化计算支持向量机最优的核函数和惩罚因子,实现对电力系统故障进行预测和诊断。实验结果表明:该方法在电力系统中预测故障的准确率高达99.94%,相比其他算法,其准确率均大幅提高,预测效果优势显著。该方法的应用能够提升电力系统故障预测的有效性。 展开更多

关键词 电力系统故障预测 秃鹰搜索算法 支持向量机 MATLAB仿真软件

在线阅读 下载PDF 职称材料

《电力系统负荷预测》一书的评论

10

作者 杨兆强 《电源技术》 CAS 北大核心 2021年第3期427-427,共1页

电力系统负荷预测需要基于已知的经济、社会发展以及电力需求的状况,然后对历史数据进行分析以及研究,调查事物之间的内部联系、发展以及未来经济学的变化,并根据预测的结果预先估算电力的需求。科学的预测是正确决策的基础和保证,电力... 电力系统负荷预测需要基于已知的经济、社会发展以及电力需求的状况,然后对历史数据进行分析以及研究,调查事物之间的内部联系、发展以及未来经济学的变化,并根据预测的结果预先估算电力的需求。科学的预测是正确决策的基础和保证,电力系统负荷预测不仅是制定电力系统发展计划的基础,还是发电计划以及电力市场的重要基础。《电力系统负荷预测》一书基于这一情况,系统地介绍了电力系统负荷预测的概念、原理、模型、方法及其应用效果,这些知识的讲解具有很强的系统性以及创新性,对于电力规划、计划、调度、市场交易、营销(用电)等方面从业人员的电力系统负荷预测知识的学习以及实践具有十分重要的指导价值。 展开更多

关键词 电力规划 电力系统负荷预测 发电计划 电力系统发展 电力需求 历史数据 内部联系 正确决策

在线阅读 下载PDF 职称材料

实用化电力系统短期负荷预测软件的设计与实现

11

作者 陈芳 赵剑剑 童健军 《广东输电与变电技术》 2005年第1期1-5,共5页

介绍了短期负荷预测软件 fhycl．0的没计原则、系统构成、预测模型库、数据校核的原理以及简易专家系统、跨平台接口的实现。该软件人机界面友好、运行稳定、迅速，提供多种预测模型，适用范围广泛。

关键词 电力系统短期负荷预测、人机界面、预测软件、数据校核、专家系统

在线阅读 下载PDF 职称材料

基于空间网络和时间序列的发电量预测优化研究

12

作者 胡睿 刘典 +1 位作者 张文波 陈植元 《电力科技与环保》 2025年第2期323-332,共10页

【目的】在电力系统中,有效的管理和调度在很大程度上依赖于对未来负荷需求的精确预测,对由社会需求端的电力负荷所决定的电厂供应端的发电量进行准确的预测,可以为其提供重要支撑。【方法】本文使用江西省内17家电厂从2020年10月—2021... 【目的】在电力系统中,有效的管理和调度在很大程度上依赖于对未来负荷需求的精确预测,对由社会需求端的电力负荷所决定的电厂供应端的发电量进行准确的预测,可以为其提供重要支撑。【方法】本文使用江西省内17家电厂从2020年10月—2021年9月的日发电量数据和发电厂的空间经纬度坐标数据,构建将图注意力网络(graph attention network,GAT)和长短期记忆网络(long short-term memory network,LSTM)以不同顺序相结合而得到的L-GAT和G-LSTM预测模型用于综合空间网络特征和时间序列特征,进而进行电力系统发电量预测。【结果】研究表明,L-GAT模型预测性能最优,相较于LSTM模型,其平均绝对误差、均方根误差和平均百分比误差分别降低17.47%、6.17%和12.79%;与GAT模型相比,提升幅度达106.48%、66.52%和1205.68%。L-GAT相比传统模型自回归积分滑动平均模型的平均绝对误差、均方根误差和平均百分比误差分别减少63.28%、59.18%和592.30%,时序特征是预测核心,空间特征的引入可进一步优化精度;而G-LSTM因空间误差传递导致性能下降,验证了处理顺序的重要性。【结论】本研究在预测方法的应用上具有一定参考价值。对提高电力系统数字化管理水平具有一定的实际意义。 展开更多

关键词 电力系统发电量预测 图注意力网络 长短期记忆网络 空间网络特征 时间序列特征

在线阅读 下载PDF 职称材料

基于GA和SVM的电力负荷预测方法研究 被引量：15

13

作者 孟凡喜 屈鸿 侯孟书 《计算机科学》 CSCD 北大核心 2014年第S1期91-93,117,共4页

提出一种基于支持向量机(SVM)技术和遗传算法优化技术(GA)的电力系统短期负荷预测算法。以历史数据、气象因素和日历因素等作为输入,建立预测模型,对未来1个小时的电力负荷值进行预测。该模型采用结构风险最小化原则替代传统的经验风险... 提出一种基于支持向量机(SVM)技术和遗传算法优化技术(GA)的电力系统短期负荷预测算法。以历史数据、气象因素和日历因素等作为输入,建立预测模型,对未来1个小时的电力负荷值进行预测。该模型采用结构风险最小化原则替代传统的经验风险最小化,以充分提炼出原始数据和其它数据的一些信息,并采用遗传算法对支持向量机中的参数进行优化来提高预测模型的预测能力和训练速度,并具有良好的泛化能力。实验表明,使用上述方法进行短期电力负荷预测,具有良好的有效性和可行性,与BP网络法预测的结果相比具有更好的精度和较强的鲁棒性。 展开更多

关键词 电力系统负荷预测 短期电力负荷预测 支持向量机 遗传算法优化

在线阅读 下载PDF 职称材料

基于遗传算法的WNN在电力负荷短期预测中的应用 被引量：1

14

作者 郭玉坤 王忠红 《自动化与仪器仪表》 2012年第4期118-119,122,共3页

提出将小波神经网络和遗传算法相结合,用于电力系统短期负荷预测的新方法。具体是充分利用遗传算法的优越性,对小波神经网络的权值进行优化,然后利用优化得到的权值,对原始数据进行W N N训练。通过仿真,该种方法比传统利用神经网络进行... 提出将小波神经网络和遗传算法相结合,用于电力系统短期负荷预测的新方法。具体是充分利用遗传算法的优越性,对小波神经网络的权值进行优化,然后利用优化得到的权值,对原始数据进行W N N训练。通过仿真,该种方法比传统利用神经网络进行负荷预测具有更高的精度。 展开更多

关键词 遗传算法 小波神经网络 优化 电力系统负荷预测

在线阅读 下载PDF 职称材料

采用神经网络与模糊曲线相结合的短期电力负荷预测方法

15

作者 刘盛松 王正风 王敏 《安徽水利水电职业技术学院学报》 2001年第1期44-48,共5页

文章提出了一种神经网络(ANN)与模糊曲线(Fuzzy Curve)有机结合的短期负荷预测方法,该方法采用ANN作为基本负荷预测,再用模糊曲线考虑影响负荷变化的因素(如天气的迅速变化、重大节假日等),对基本负荷预测做出修正,从而得到最终的负荷... 文章提出了一种神经网络(ANN)与模糊曲线(Fuzzy Curve)有机结合的短期负荷预测方法,该方法采用ANN作为基本负荷预测,再用模糊曲线考虑影响负荷变化的因素(如天气的迅速变化、重大节假日等),对基本负荷预测做出修正,从而得到最终的负荷预测值。同时,针对传统BP学习算法的缺点,将BP算法和模拟退火算法的优点相结合以提高网络的学习性能。实例表明,该ANN—FC模型实用有效、精度高。 展开更多

关键词 电力系统短期负荷预测 人工神经网络 模糊曲线 模拟退火算法

在线阅读 下载PDF 职称材料

基于SAE与CEEMDAN-BiLSTM组合模型的短期电力负荷预测 被引量：10

16

作者 黄炜 陈田 《计算机应用与软件》 北大核心 2022年第7期52-58,共7页

单一模型在迭代训练过程中由于模型的自身误差,最终会降低预测精度。为了提高预测的准确性,引入完整集成经验模态分解-双向长短期记忆网络(CEEMDAN-BiLSTM)作为误差修正模型,提出一种栈式自编码器(SAE)与CEEMDAN-BiLSTM相结合的负荷预... 单一模型在迭代训练过程中由于模型的自身误差,最终会降低预测精度。为了提高预测的准确性,引入完整集成经验模态分解-双向长短期记忆网络(CEEMDAN-BiLSTM)作为误差修正模型,提出一种栈式自编码器(SAE)与CEEMDAN-BiLSTM相结合的负荷预测模型。通过SAE模型学习气象因素、工作日类型、气温影响下负荷序列的主要特征,预测过程中产生的误差序列则反映了负荷序列的次要特征;使用CEEMDAN算法将误差序列分解为数个分量,针对每一项分量建立BiLSTM模型学习误差序列的时序特征,将各项分量的预测值累加得到误差的预测结果;将两种模型的预测值求和从而达到修正误差的目的。通过比较几种模型的预测结果表明:SAE与CEEMDAN-BiLSTM组合模型应用在短期电力负荷预测具有更好的准确性与稳定性。 展开更多

关键词 短期电力系统负荷预测 栈式自编码器 CEEMDAN 双向长短期记忆网络

在线阅读 下载PDF 职称材料

基于SSA优化的太阳能发电功率预测混合模型

17

作者 王子毅 冯翼 《统计学与应用》 2024年第3期904-913,共10页

本文通过建立基于麻雀搜索算法(SSA)优化的太阳能发电混合模型,对太阳能发电功率进行预测。首先,通过改进的完全经验模态分解(ICEEMDAN)技术对太阳能发电数据进行预处理,将原始数据分解为固有模态函数(IMFs)和残余部分,从而有效去除噪... 本文通过建立基于麻雀搜索算法(SSA)优化的太阳能发电混合模型,对太阳能发电功率进行预测。首先,通过改进的完全经验模态分解(ICEEMDAN)技术对太阳能发电数据进行预处理,将原始数据分解为固有模态函数(IMFs)和残余部分,从而有效去除噪声和非平稳成分。然后,将预处理后的IMFs和残余数据输入到双向长短时记忆网络(BiLSTM)进行建模,进一步使用ODE-LSTM技术稳定地学习长时间依赖关系。为提升该预测模型的性能,采用SSA进行超参数优化。实验结果表明,通过SSA优化的ODE-BiLSTM模型的均方误差(MSE)为116.78、平均绝对误差(MAE)为206.38,判定系数(R²)为0.7527。在这些指标表现上均优于传统的ARIMA、单一LSTM及随机森林模型,展现出更高的预测精度和鲁棒性。本研究验证了混合模型和优化算法在太阳能发电预测领域的潜力,为智能电网中新能源的高效管理提供了有力支持。 展开更多

关键词 经验模态分解 神经微分方程 电力系统预测 长短时记忆网络

在线阅读 下载PDF 职称材料

基于LightGBM-Transformer算法的短期电力负荷预测 被引量：11

18

作者 彭运猛 高林 +2 位作者 赵晓雨 杨校李 廖明艳 《湖北民族大学学报（自然科学版）》 CAS 2023年第3期331-337,共7页

高精度的短期电力负荷预测是优化电网运行策略和提高电网运行效率的可靠保障。为进一步提高短期电力负荷预测精度,提出轻量梯度提升机(light gradient boosting machine,LightGBM)-Transformer组合模型。该模型考虑时间特征和天气因素... 高精度的短期电力负荷预测是优化电网运行策略和提高电网运行效率的可靠保障。为进一步提高短期电力负荷预测精度,提出轻量梯度提升机(light gradient boosting machine,LightGBM)-Transformer组合模型。该模型考虑时间特征和天气因素对短期电力负荷预测的影响,首先利用LightGBM算法获取特征重要性,排除无关噪声的影响,再将选择后的特征向量作为Transformer模型的输入,最后完成短期电力负荷预测。实验以澳大利亚能源市场运营商(Australian energy market operators,AEMO)检索的开放数据集为基础,并与多种类似模型进行对比。结果表明,LightGBM-Transformer组合模型的平均绝对百分比误差(mean absolute percent error,MAPE)为1.87%,误差指标显著低于其他对比模型,具有较高的预测精度,验证了该模型应用于短期电力负荷预测的可行性和有效性。 展开更多

关键词 电力系统负荷预测 LightGBM算法 特征重要性 Transformer模型 组合模型

在线阅读 下载PDF 职称材料

能源系统中电、气、冷、热负荷预测综述 被引量：2

19

作者 沈兴来 《电子世界》 2017年第11期28-28,30,共2页

负荷预测一直是能源系统规划和运营的重要组成部分。随着技术的进步,经济条件的变化和许多其他因素的影响,负荷预测变得越来越重要。负载预测所影响的因素和其自身的影响因素及其变化规律受到不同时间跨度的影响,由于其随机性和不确定... 负荷预测一直是能源系统规划和运营的重要组成部分。随着技术的进步,经济条件的变化和许多其他因素的影响,负荷预测变得越来越重要。负载预测所影响的因素和其自身的影响因素及其变化规律受到不同时间跨度的影响,由于其随机性和不确定性的特点,各能源系统准确地预测未来的负荷需求一直是一个具有挑战性的问题。本文主要概述了目前各能源系统中电、气、冷、热负荷预测的研究状况和模型方法,提出提高各负荷预测的精度不仅重视历史数据的积累,更应注重选择合适的预测模型,综合预测模型是未来能源系统负荷预测方法的发展方向。 展开更多

关键词 电力系统负荷预测 冷负荷预测 热负荷预测 气负荷预测 能源管理系统

在线阅读 下载PDF 职称材料

数据挖掘在电力负荷坏数据智能辨识与修正中的应用 被引量：11

20

作者 张昀 周湶 +3 位作者 任海军 孙才新 伍科 马小敏 《重庆大学学报（自然科学版）》 EI CAS CSCD 北大核心 2013年第2期69-74,共6页

负荷历史数据由于各种原因含有一定的坏数据,在进行高精度的电力负荷预测或系统分析前必须对历史数据进行预处理。本文采用基于加权核函数的模糊C均值聚类的改进算法—WKFCM,以核诱导距离的简单两项和替代欧氏距离作为聚类目标公式的不... 负荷历史数据由于各种原因含有一定的坏数据,在进行高精度的电力负荷预测或系统分析前必须对历史数据进行预处理。本文采用基于加权核函数的模糊C均值聚类的改进算法—WKFCM,以核诱导距离的简单两项和替代欧氏距离作为聚类目标公式的不相似性测度函数,减小了计算复杂度。对数据进行聚类之后,采用收敛速度快、模式分类能力强的超圆神经元网络数据辨识模型,并对识别出的坏数据进行修正,实例证明本文提出的数据处理模型具有较好的效果。 展开更多

关键词 模糊C均值聚类 超圆神经网络 不良数据检测与辨识 电力系统负荷预测

在线阅读 下载PDF 职称材料