基于多层聚类和改进BP神经网络的短期负荷预测_赵云.pdf下载

随着电网规模的扩大，数据量的急剧增加，漏采、误采等不良数据及数据冗余会对短期负荷预测产生负面影 响，造成预测准确度下降，预算结果无法正常使用. 针对这些现象，提出一种基于多层聚类和改进BP 神经网络的负 荷预测模型. 该模型基于多层聚类对原始数据进行预处理，选取形成与待预测数据相似的样本数据集，建立基于改 进BP 神经网络的预测模型. 多层聚类模型减小了输入改进BP 神经网络的数据量，避免了不良数据对预测模型造 成的影响，预测模型更贴近待预测数据特点；改进BP 神经网络避免了在训练过程中陷入局部最小解. 预测结果表 明：相比模糊C 均值聚类方法，多层聚类与改进BP 神经网络的负荷预测方法提高了