| 摘要: |
| 针对人工神经网络模型在进行负荷预测时，大多不考虑气象等因素的影响，提出了一种基于数据挖掘预处理的改进短期电力负荷预测的方法，应用数据挖掘的聚类功能，寻找与预测日同等气象类型的多个历史短期负荷数据序列进行预测，从而提高预测的精度。鉴于ANN模型对不确定性和模糊信息学习处理能力较差的缺点，引用模糊系统的理论，构建模糊神经网络(FNN)模型。通过实例预测和预测结果比较分析表明，提出的方法具有较高的预测精度。 |
| 关键词: 数据挖掘 聚类分析 短期电力负荷预测 人工神经网络 模糊神经网络 |
| DOI：10.7667/j.issn.1674-3415.2009.22.012 |
|
| 基金项目:国家自然科学基金项目资助（70671039 ） |
|
|
|
| () |
| Abstract: |
|
| Key words: |
