基于自适应K-means与DNN的短期负荷预测研究分析

作者：**

来源：电子测量技术, 2020, 43(17): 58-61.

DOI：10.19651/j.cnki.emt.2004680

• 短期负荷预测
• Elastic Net分析法
• 自适应K-means
• 深度神经网络

短期负荷预测对指导电网日常调度具有重要意义。提出了一种基于自适应K-means和深度神经网络(DNN)的短期负荷预测数据挖掘方法。首先,利用弹性网(Elastic Net)分析法辨识影响负荷数据的主导因素;其次,采用基于Davies-Bouldin指数的自适应K-means算法聚类处理;接着,为了克服传统神经网络的过拟合和不稳定性的问题,引入深度网络DNN进行预测聚类后的负荷数据;最后,以实测的负荷及气象数据进行了仿真实验,预测结果与DNN、BP方法的预测结果对比,验证了所提方法具有更好的预测精度。

• 单位
  国网山西省电力公司