湖南大学学报（自然科学版）
湖南大學學報（自然科學版）
호남대학학보（자연과학판）
JOURNAL OF HUNAN UNIVERSITY(NATURAL SCIENCES EDITION)
2014年
5期
94-98
,共5页
数据挖掘%负荷预测%聚类%支持向量机%k-means
數據挖掘%負荷預測%聚類%支持嚮量機%k-means
수거알굴%부하예측%취류%지지향량궤%k-means
data mining%load forecasting%clustering%support vector machine(SVM)%k-means
短期电力负荷预测作为电网企业的基本工作,其精度的提高对于电网企业运营管理和调度管理具有较大的意义,然而由于电力负荷受到诸多非线性因素的影响,因此得到高精度的电力负荷预测结果是比较困难的.本文首先利用数据挖掘中的kmeans聚类技术对训练集的气象数据进行聚类分析,分析提取相似日,在提取相似日的相关历史数据后,建立支持向量机模型进行短期电力负荷预测.经算例结果证明,由该方法得出的预测结果平均相对误差为0.88％,和同结构支持向量机预测的平均相对误差(1.66％)以及ARMA预测的平均相对误差(3.81％)相比,预测精度得到明显的提高,证明了该方法的有效性.
短期電力負荷預測作為電網企業的基本工作,其精度的提高對于電網企業運營管理和調度管理具有較大的意義,然而由于電力負荷受到諸多非線性因素的影響,因此得到高精度的電力負荷預測結果是比較睏難的.本文首先利用數據挖掘中的kmeans聚類技術對訓練集的氣象數據進行聚類分析,分析提取相似日,在提取相似日的相關歷史數據後,建立支持嚮量機模型進行短期電力負荷預測.經算例結果證明,由該方法得齣的預測結果平均相對誤差為0.88％,和同結構支持嚮量機預測的平均相對誤差(1.66％)以及ARMA預測的平均相對誤差(3.81％)相比,預測精度得到明顯的提高,證明瞭該方法的有效性.
단기전력부하예측작위전망기업적기본공작,기정도적제고대우전망기업운영관리화조도관리구유교대적의의,연이유우전력부하수도제다비선성인소적영향,인차득도고정도적전력부하예측결과시비교곤난적.본문수선이용수거알굴중적kmeans취류기술대훈련집적기상수거진행취류분석,분석제취상사일,재제취상사일적상관역사수거후,건립지지향량궤모형진행단기전력부하예측.경산례결과증명,유해방법득출적예측결과평균상대오차위0.88％,화동결구지지향량궤예측적평균상대오차(1.66％)이급ARMA예측적평균상대오차(3.81％)상비,예측정도득도명현적제고,증명료해방법적유효성.
