科学导报2017，Vol.35Issue(24) ：66-70.DOI:10.3981/j.issn.1000-7857.2017.24.008

基于负荷特性聚类的样本自适应神经网络台区短期负荷预测

A neural network for short term load forecasting based on Sample self adapted of load characteristics clustering

方芳 卜凡鹏 田世明 齐林海 李夏威
科学导报2017，Vol.35Issue(24) ：66-70.DOI:10.3981/j.issn.1000-7857.2017.24.008
✕
  • NETL
  • NSTL
  • 万方数据

基于负荷特性聚类的样本自适应神经网络台区短期负荷预测

A neural network for short term load forecasting based on Sample self adapted of load characteristics clustering

方芳 1卜凡鹏 2田世明 2齐林海 3李夏威4
扫码查看

作者信息

  • 1. 国网北京市电力公司昌平供电公司,北京102200
  • 2. 中国电力科学研究院,北京100192
  • 3. 华北电力大学控制与计算机工程学院,北京102206
  • 4. 华北电力大学电气与电子工程学院,北京102206
  • 折叠

摘要

介绍了批量处理时间序列数据情况下,基于台区负荷特性聚类的样本自适应反向传播神经(BP)神经网络预测短期电力负荷的方法,通过对历史数据的预处理、初始聚类中心的设置以及最优聚类数目的确定,建立典型日负荷曲线的聚类预测模型.基于历史数据的聚类结果及待预测日的温度、湿度、气压、风速、星期等相关参数,使用BP神经网络算法得出待预测日负荷曲线预测结果.通过实例验证,基于台区负荷特性聚类的样本自适应神经网络短期负荷预测能够得到较为准确的预测结果.

关键词

聚类分析/人工神经网络/电力负荷预测/数据挖掘

引用本文复制引用

基金项目

国家电网公司科技项目(52094017002U)

出版年

2017
科学导报

科学导报

影响因子：0.027
ISSN：
被引量1
参考文献量13
段落导航相关论文