改进的模糊聚类算法在负荷预测中的应用

摘要

针对传统的c均值模糊聚类算法易陷入局部最优解、初始值c值的给定存在着很大的人为因素以及在整个计算过程中无法自我调节的缺陷,利用遗传算法的全局寻优能力并采用一种新式的双码染色体编码方法对传统的c均值模糊聚类算法进行了改进,同时将这一自适应的SFGO(Sampling Fuzzy c-means with Genetic Optimization)算法运用到电力系统的中长期负荷预测中,得到了比较好的效果.