论文部分内容阅读
准确的短期负荷预测是作出正确营销决策的依据。采用小波变换对负荷序列进行分解，对于每一分解序列，分别按照各自的特点选择出比较合适的影响因素，采用信息熵理论和主成份分析相结合的属性约简法对其进行约简，并利用动态聚类对各分解序列的样本归类，通过灰色关联分析找到与预测时刻负荷模式最接近的一些典型样本，训练各分解序列相应的神经网络预测模型，最后通过序列重构，得到完整的负荷预测结果。采用实际负荷数据进行测试，表明这一方法预测效果较好。