基于K-prototype与SVM的短期电力负荷预测

作者：孙聪; 李川; 李英娜

来源：信息技术, 2019, 43(04): 27-38.

DOI：10.13274/j.cnki.hdzj.2019.04.007

• 短期电力负荷预测
• K-prototype
• 聚类
• 支持向量机

电力负荷受多种不确定因素的影响,所以通过使用一种聚类方式选取相似日来进行短期电力负荷预测,以提高预测精度和速度。K-prototype聚类算法继承了k均值算法所以具有k均值优点。通过建立映射数据库将气温、湿度、天气、星期类型、季节等不同量纲的值通过无量纲化处理,使得不同的量纲在数值上具有可比性。然后运用聚类方法选取预测日的相似日,借助SVM模型对相似日样本进行预测,实现更加精准预测的目的。利用某地区真实数据进行验证,结果表明该方法可以有效地提高短期电力负荷的预测精度。

• 单位
  昆明理工大学; 自动化学院