基于數據挖掘算法的電力負荷預測系統(tǒng)的改進.pdf

1、電力負荷預測是電力系統(tǒng)的一項基本工作,是安全調度和經濟運行的重要依據,在電力市場下,各電力公司要制定合理的經濟模型和具有競爭力的實時電價,必須依賴于準確和快速的負荷預測。
　　短期電力負荷預測是電力系統(tǒng)管理現代化的重要內容之一,是對發(fā)電、輸電和電能分配等合理安排的必要前提,對提高電力系統(tǒng)的經濟效益和社會效益,保障電力系統(tǒng)的安全經濟運行與國民經濟的發(fā)展具有非常重要的影響。隨著電力系統(tǒng)管理現代化的發(fā)展,電力部門對短期負荷預測精度的要求

2、也越來越高。
　　本文介紹了電力負荷的特點、影響因素、預測原理和目前的研究現狀,闡述了關聯(lián)分析、聚類分析、分類、預測、時序模式和偏差分析等數據挖掘方法的特點,討論了數據挖掘技術中的決策樹分類技術、關聯(lián)規(guī)則算法等優(yōu)缺點和數據挖掘技術的實施步驟,針對現有的基于數據挖掘算法的電力負荷預測系統(tǒng),提出了算法的改進設想以及系統(tǒng)實現。
　　本文針對現有的基于數據挖掘技術的負荷預測系統(tǒng)主要做了以下幾點改進:
　　1)在對原始數據進行預

3、處理時,如果發(fā)現有不正常數據或缺失數據,不是簡單的采用線性插值的方法對其進行修正,而是設計算法從歷史海量的數據中挖掘出連續(xù)時間點氣象數據的關聯(lián)規(guī)則,用這些關聯(lián)規(guī)則對冒大數點進行處理。
　　2)在選擇基準日的時候,我們設計了一個聚類算法來找到近期與預測日氣象因素最相近的一天,而不是簡單的拿前一天作為基準來預測。
　　3)在決策樹模型建立好后,又設計算法對決策樹進行修改,使其分類更加合理。
　　4)在得到預測結果以后,對負