论文部分内容阅读
针对电力负荷受到多因素的影响以及典型训练样本选择问题,提出了一种基于数据挖掘技术的新型短期负荷预测方法。首先利用小波奇异性检测原理和软阈值细节消噪法对原始负荷数据进行剔除异常值预处理。其次将处理后的负荷序列利用小波变换分解为不同的频率分量。对于每一分量,利用信息熵与主成分分析法联合对负荷影响因素约简;利用动态聚类法由少到多自动确定网络隐层节点数和训练样本集;在采用动态聚类和最小二乘初始化网络的基础上,通过蚁群算法优化网络参数。最后,通过小波重构得到真正的日负荷预测结果。利用本文方法对实际的地区电网进