电力日负荷数据特征模式智能提取方法
CSTR:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

TM715

基金项目:


Intelligent Extracting Method for Feature Mode of Electric Days Load
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    电力负荷数据中可能包含各种坏数据,严重影响负荷预测精度,因此需要从这些合有噪声的日负荷数据中提取出负荷的特征模式,以便对负荷数据进行清洗.以软聚类思想为指导,通过模糊C均值聚类算法及Kohonen自组织特征映射神经网络的互补结合,提出了日负荷特征模式的智能提取方法,该方法不但具有辨识精度高、收敛速度快的优点,而且具有对数据的动态处理能力,为精确的负荷预测和准确的系统分析做好了数据上的准备,对重庆城区供电局负荷数据的实例分析说明了方法的高效性.

    Abstract:

    Generally there have a number of bad data in the electric load data and it affects the precision of load forecasting,so it is necessary for extracting the feature mode of days load data,then cleaning the load data before it is used to forecasting electric load or performing power system analysis.Inspired by soft clustering thought,a intelligent feature mode of days load data extracting method is proposed based on the mutual offset of fuzzy c-means clustering arithmetic and Kohonen self organization feature map neural network.With the merits of not only high extracting precision and convergent speed but also dynamic calculation capability,the method proposed can supply load forecasting or system analysis procedure with due data.Test results using actual data of Chengqu power supply bureau in Chongqing demonstrate the effectivity and feasibility of the method.

    参考文献
    相似文献
    引证文献
引用本文

李明浩.电力日负荷数据特征模式智能提取方法[J].重庆大学学报,2006,29(2):50-53.

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2005-10-20
  • 最后修改日期:2005-10-20
  • 录用日期:
  • 在线发布日期:
  • 出版日期:
文章二维码