基于K-means聚类与支持向量机相结合的短期负荷预测

摘要

精确的负荷预测对提高电力系统运行的可靠性和经济型起着重要作用。针对当存在大量数据样本时,支持向量机在进行训练时收敛时间太长的问题,本文首先利用K-means聚类算法按照影响负荷的因素挑选相似日,然后用利用支持向量机对聚类后的数据进行负荷预测,并将预测结果与神经网络算法预测的结果进行对比。结果表明,基于K-means聚类与支持向量机相结合的负荷预测方法可以提高收敛速度和荷预测的精确度。