典型文献
基于结合聚类与SVM参数寻优的短期电力负荷预测方法
文献摘要：
预先作出准确的负荷预测有助于稳定电网市场,是电网安全调度与平稳运行的基础.考虑到目前研究的单一预测方法存在的不足,文章探讨了负荷变化趋势与温度、日类型等特征之间的关系,并提出了一种K-Means聚类与交叉验证和网格优化相结合的支持向量机(support vector machine,SVM)短期负荷预测方法(STLF-SK).所提方法包括负荷数据预处理、K-Means聚类、模型参数优化以及模型的训练等步骤.在实际电力负荷数据集下,与LSTM、决策树和线性回归算法进行对比,实验结果表明,提出的STLF-SK方法有更高的预测准确性和平稳性,取得了较好的预测效果.
文献关键词：
短期负荷预测;K-Means;交叉验证;网格搜索;SVM
中图分类号：
作者姓名：
胡乙丹;姜吉祥;董霞
作者机构：
南京理工大学紫金学院,江苏 南京 210023;国网江苏省电力有限公司南通供电分公司,江苏 南通 226006;南京邮电大学,江苏 南京 210023
文献出处：
引用格式：
[1]胡乙丹;姜吉祥;董霞-.基于结合聚类与SVM参数寻优的短期电力负荷预测方法)[J].电力信息与通信技术,2022(05):54-60
A类：
B类：
参数寻优,短期电力负荷预测,负荷预测方法,电网安全,负荷变化,Means,交叉验证,网格优化,support,vector,machine,短期负荷预测,STLF,SK,负荷数据,数据预处理,决策树,线性回归算法,预测准确性,平稳性,网格搜索
AB值：
0.322877
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
