模糊聚类与神经网络在电力负荷数据修正上的应用

摘要

cqvip:提出基于模糊C-均值(FCM)与神经网络相结合的异常电力负荷修正方法。采用AFCM对电力负荷数据进行聚类,确定聚类中心与聚类数目。依据异常数据所在类别,运用遗传算法优化BP神经网络对异常电力负荷数据进行修正。实验表明:该方法具有很好的聚类效果,对单个异常数据与连续异常数据的平均修正相对误差分别为0. 34%和1. 1%,修正结果优于单纯使用模糊聚类的方法和神经网络的方法。