论文部分内容阅读
针对训练样本与负荷预测模型的构建及预测精度之间的强相关性，在对负荷变化规律深入研究的基础上，提出了样本动态组织理论与方法．根据负荷变化的横向与纵向特征、日期、季节特征和气象特征构建时间分类树和样本映射表，并通过对气象数据的模糊化处理进行样本初选，进而利用自组织网络（SOFM）的改进方法提取负荷水平变化趋势的特征曲线，以实现样本的动态精选．多种模型的预测结果表明，采用的由粗到精逐步细化，多层面、多角度的样本过滤机制，为预测日负荷建模提供了更加优质的历史样本，很好地抑制了不良样本对预测建模可能带来的各种干扰，