典型文献
基于多核模糊C均值聚类的配电网短期负荷预测
文献摘要：
精准、高效的短期负荷预测是电力系统运行与调度的基础,负荷-气象因素的强耦合关系使得负荷预测过程中必须考虑气象因素.首先从影响电力负荷波动的气象因素出发,分析负荷样本数据的气象因素相关性,通过构造多核模糊C均值聚类函数实现负荷、气象数据的低维非线性至高维线性空间映射,完成基于负荷影响因素的聚类划分,获得强相关气象因素.接着,在传统LSTM(长短期记忆)神经网络中引入反馈环节,融合前向和反向计算机制消除LSTM训练过程的累计误差,构建基于深度学习的多层堆叠模式并应用于负荷预测中.然后,以历史负荷数据的聚类结果为训练样本,深度挖掘负荷-气象因素的耦合特征,从而提高负荷预测精度.最后,通过实际运行数据验证提出方法的合理性和准确性.
文献关键词：
短期负荷预测;多核模糊C均值;LSTM神经网络;气象因素
中图分类号：
作者姓名：
孙景钌;胡长洪;项烨鋆;赵碚;刘津源;陈梦翔;蔡昌春
作者机构：
国网浙江省电力有限公司温州供电公司,浙江 温州 325000;江苏省输配电装备技术重点实验室(河海大学),江苏 常州 213022
文献出处：
引用格式：
[1]孙景钌;胡长洪;项烨鋆;赵碚;刘津源;陈梦翔;蔡昌春-.基于多核模糊C均值聚类的配电网短期负荷预测)[J].浙江电力,2022(03):65-71
A类：
B类：
多核,均值聚类,配电网,电网短期负荷预测,电力系统运行,气象因素,强耦合,耦合关系,电力负荷,负荷波动,因素相关性,气象数据,低维,高维,线性空间,空间映射,长短期记忆,反馈环,计算机制,训练过程,堆叠,负荷数据,训练样本,深度挖掘,耦合特征,高负荷,实际运行,运行数据,数据验证
AB值：
0.342425
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。
