一种基于数据挖掘技术的电力负荷预测算法研究

摘要

由于目前常用的电力负荷预测算法在预测精度和计算效率方面存在一些局限,本文提出一种基于电力负荷历史数据挖掘的负荷预测算法.该算法基于粗糙集理论构建了一种组合式神经网络,该神经网络采用混合式神经单元和并行子网络结构,并基于分层聚类算法和特征曲线算法对电力负荷历史数据进行预处理,利用粗糙集对神经网络的输出数据和连接权值进行属性约简,实现提高历史数据准确性、简化神经网络结构以及降低输入数据冗余的功能.通过仿真试验表明,该算法具有相对于传统神经网络算法更好的预测精度,而且能够将神经网络的收敛效率提升约70％.