基于数据挖掘日负荷曲线预测和修正①.PDF

计 算 机 系 统 应 用 2014 年 第 23 卷 第 12 期 基于数据挖掘的日负荷曲线预测与修正① 1 2 杨 莉 , 李鹏举 1(上海海事大学 信息工程学院, 上海 201306) 2( 中国矿业大学(北京) 机电与信息工程学院, 北京 100083) 摘 要: 分析了传统负荷预测方法的缺点, 提出了一种基于数据挖掘技术的负荷预测方法. 利用决策树算法进行 负荷预测, 根据预测结果找出负荷不正常点. 依靠关联规则算法, 对不正常负荷进行修正, 从而使预测结果更加 精确. 关键词: 数据挖掘; 关联规则; 决策树算法; 日负荷曲线 Forecasting and Modification of Daily Load Curve Based on Data Mining 1 2 YANG Li , LI Peng-Ju 1(College of Information Engineering, Shanghai Maritime University, Shanghai 201306, China) 2(School of Mechanical Electronic Information Engineering, China University of Mining Technology(Beijing), Beijing 100083, China) Abstract: Analyzing the shortcoming of traditional load forecast method, a method of load forecast based on data mining is put forward. Using the decision tree algorithm to make load forecasting, abnormal load data is found among the load forecasting results. This paper relies on association rules algorithm to modify the abnormal load, so that the load forecasting results will be more accurate. Key words: data mining; association rule; decision tree algorithm; daily load curve 电力系统短期负荷预测问题是电力部门日常重要 繁多等特点, 而数据挖掘在处理海量数据方面具有一 工作, 根据预测结果, 可以方便地进行电能生产. 利 定的优势, 因此, 越来越多的研究人员利用数据挖掘 用数据挖掘技术, 建立数学模型, 进行负荷预测成为 来进行负荷预测. 文献[1]针对传统 K 均值聚类算法中 近年来研究人员工作的重点. 负荷曲线反映了某一时 的不足, 提出了逐级均值聚类算法, 解决了传统聚类 间段内负荷随时间而变化的规律, 按时间段长短分, 算法解的局部最优性问题. 文献[3]针对影响电力负荷 [5] 可分为日负荷曲线和年负荷曲线 . 预测的众多因素问题, 引入数据挖掘中的粗糙集约简 传统预测方法包括数理统计、混沌理论、小波回 算法, 有效地判断和选择出能够改善电力负荷预测的 归分析等方法, 文献[2、4]利用小波变换对负荷序列进 相关因素. 本文将利用数据挖掘的关联规则算法就日 行分解, 得到不同频率的各个负荷分量, 然后利用