基于K-means聚类的LS-SVM短期负荷预测方法研究

题名	基于K-means聚类的LS-SVM短期负荷预测方法研究
作者	周佳
学位类型	硕士
导师	王惠中 ; 秦睿
答辩日期	2012
学位授予单位	兰州理工大学
学位名称	工程硕士
学位专业	电气工程
关键词	负荷预测数据预处理 K-means聚类算法最小二乘支持向量机果蝇优化
摘要	本文通过研究短期负荷预测的国内外发展现状，归纳了传统与智能负荷预测方法，在分析了已有智能方法的优缺点后，总结出当前待解决的关键性问题。结合浙江省某地区的负荷特性及影响因素，采用双向比较法对历史数据进行必要的预处理。为了避免多种影响因素及多类型负荷对预测造成的维数灾难及低精度问题，采用数据挖掘中的经典聚类算法——K-means算法，对历史负荷数据进行聚类分析，从而选择相似日数据建立样本集，采用能较好地解决小样本、非线性、高维数和局部极小点等实际问题的最小二乘支持向量机(LS-SVM)方法建立模型，并引入结构简单、寻优速度较快的果蝇参数优化算法(FOA)对其参数进行优化，建立基于K-means聚类的FOA-LSSVM短期负荷预测模型。
其他摘要	In this article,through the research of short-term load forecasting development situation at home and abroad,summarizes the traditional and intelligent load forecasting methods,after analyzing the advantages and disadvantages of the existing intelligent methods,sums up the current key issues to be resolved.Combination of a certain region of Zhejiang province's load characteristics and its influencing factors,adopts the two-way comparison of historical data to make the necessary preprocessing.In order to avoid multiple factors and multiple types of load forecasting due to the curse of dimensionality and low accuracy problems,uses the data mining's classical clustering algorithm K-means clustering algorithm to analysis the historical load data,so as to choose the similar day data as sample set.
页数	59
语种	中文
学号	102430108001
文献类型	学位论文
条目标识符	https://ir.lut.edu.cn/handle/2XXMBERH/101583
专题	兰州理工大学
作者单位	兰州理工大学
第一作者单位	兰州理工大学
推荐引用方式 GB/T 7714	周佳. 基于K-means聚类的LS-SVM短期负荷预测方法研究[D]. 兰州理工大学,2012.