基于k-means聚类与径向基神经(RBF)网络的电力系统日负荷预测

摘要：

对大型工业企业电力负荷震荡剧烈、幅度大等问题,提出了借助卡尔曼滤波对“失真数据”进行实时估计,弱化陈旧数据权值的k-means聚类和径向基网络的组合预测模型.依据最小逼近误差,利用最小二乘法对RBF网络的输出权值进行优化.文中方法对电力系统不同的工况背景,使用k-means聚类算法来确定隐藏节点的数据中心和扩展常数,改善了常规RBF网络随机选择网络中心的情况,同时使电力负荷精度得以有效提高.最后,依据文中的组合模型和其他4种常用算法分别对宝钢电力系统负荷数据进行分析预测,仿真结果表明:方法对负荷预测效果较好.

关键词：Kalman滤波、组合预测模型、负荷预测、最小二乘法

所属期刊栏目：13

分类号：TM744.1;TP18(输配电工程、电力网及电力系统)

资助基金：国家863高技术基金项目2013AA04070

在线出版日期：2014-01-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：10177-10181