基于K_means++聚类与RF_GRU组合模型的电力负荷预测方法研究
刘明
尚尚
江苏科技大学电信学院 镇江 212114
摘要：短期负荷预测是电力系统对负荷进行规划的重要依据之一,为了进一步提升短期负荷预测的精度,提出一种基于K_means++聚类与RF_GRU组合模型的电力负荷预测方法.首先,采用K_means++聚类算法将负荷群体分成负荷特性相近的群体,然后利用改进后的CSO算法优化随机森林中的相关参数使其性能最优,接着根据聚类情况采用随机森林选择结构不同的多层GRU网络分别对各组负荷群体进行预测,最后将所有组的预测结果相加得出最终预测值.算例结果表明,聚类算法的归纳整理功能为预测方法节省了预测时间,而采用组合模型又进一步提高了预测精度.
关键词：短期负荷预测K_means++GRU随机森林算法
分类号：TM74(输配电工程、电力网及电力系统)
资助基金：国家自然科学基金(61801196)国防基础科研计划稳定支持专题项目(JCKYS2020604-SSJS010)
论文发表日期：2024-06-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 1662-1667,1702 )
英文信息