论文部分内容阅读
介绍了批量处理时间序列数据情况下，基于台区负荷特性聚类的样本自适应反向传播神经（BP）神经网络预测短期电力负荷的方法，通过对历史数据的预处理、初始聚类中心的设置以及最优聚类数目的确定。建立典型日负荷曲线的聚类预测模型。基于历史数据的聚类结果及待预测日的温度、湿度、气压、风速、星期等相关参数，使用BP神经网络算法得出待预测日负荷曲线预测结果。通过实例验证。基于台区负荷特性聚类的样本自适应神经网络短期负荷预测能够得到较为准确的预测结果。