基于灰色关联分析和K均值聚类的短期负荷预测

• 作 者: 黄冬梅 庄兴科 胡安铎 孙锦中 时帅 孙园 唐振
• 机 构: 上海电力大学电子与信息工程学院,上海电力大学电气工程学院,上海电力大学数理学院
• 出 处: 电力建设
• 发表日期: 2021年7期
• 关键词: 短期负荷预测 灰色关联分析 K均值聚类 相似日 LSTM神经网络
• 基金项目: 上海市科委地方院校能力建设项目(20020500700)。

在基于相似日的短期电力负荷预测技术中,相似日的选取影响着负荷预测精度,提出一种基于灰色关联分析(grey relation analysis,GRA)和K均值(K-means)聚类选取相似日的短期负荷预测模型。首先,采用灰色关联分析方法选取相似日粗集,再对相似日粗集的外部因素使用K均值聚类。然后,计算待预测日与聚类中心的欧氏距离,将距离最小一类作为最终相似日集合。最后,利用最终相似日集合训练长短期记忆(long-short term memory,LSTM)神经网络,进行负荷预测。与未采用相似日的LSTM