文献知网节
  • 记笔记

基于硬C均值聚类算法和支持向量机的电力系统短期负荷预测

姜惠兰刘晓津关颖王梦宾

天津大学电气与自动化工程学院天津大学电气与自动化工程学院 天津市南开区300072

摘要:提出了一种联合使用硬C均值(hard C-mean,HCM) 聚类算法和支持向量机(support vector machine,SVM)的电力系统短期负荷预测方法。与目前采用单一SVM的负荷预测方法相比,考虑了电力负荷变化的周期性特征,依据输入样本的相似度选取训练样本,即通过对学习样本的聚类选用同类特征数据作为预测输入,保证了数据特征的一致性,强化了历史数据规律。实际应用证明了该方法的有效性,该方法不仅提高了负荷预测精度,还缩短了预测执行时间。
  • DOI:

    10.13335/j.1000-3673.pst.2006.08.016

  • 专辑:

    理工C(机电航空交通水利建筑能源)

  • 专题:

    电力工业

  • 分类号:

    TM715

  • 手机阅读
    即刻使用手机阅读
    第一步

    扫描二维码下载

    "移动知网-全球学术快报"客户端

    第二步

    打开“全球学术快报”

    点击首页左上角的扫描图标

    第三步

    扫描二维码

    手机同步阅读本篇文献

  • CAJ下载
  • PDF下载

下载手机APP用APP扫此码同步阅读该篇文章

下载:626 页码:81-85 页数:5 大小:342K

相关文献推荐
  • 相似文献
  • 读者推荐
  • 相关基金文献
  • 关联作者