基于多层聚类和改进BP神经网络的短期负荷预测_赵云.pdf

随着电网规模的扩大,数据量的急剧增加,漏采、误采等不良数据及数据冗余会对短期负荷预测产生负面影 响,造成预测准确度下降,预算结果无法正常使用. 针对这些现象,提出一种基于多层聚类和改进BP 神经网络的负 荷预测模型. 该模型基于多层聚类对原始数据进行预处理,选取形成与待预测数据相似的样本数据集,建立基于改 进BP 神经网络的预测模型. 多层聚类模型减小了输入改进BP 神经网络的数据量,避免了不良数据对预测模型造 成的影响,预测模型更贴近待预测数据特点;改进BP 神经网络避免了在训练过程中陷入局部最小解. 预测结果表 明:相比模糊C 均值聚类方法,多层聚类与改进BP 神经网络的负荷预测方法提高了