调和聚类-分类方法在电力负荷预测中的应用  

Application of Associated Clustering and Classification Method in Electric Power Load Forecasting

作　　者：窦全胜[1,2,3] 史忠植[1] 姜平[2] 马君华[3] 

机构地区：[1]中国科学院计算技术研究所智能信息处理实验室,北京100190 [2]山东工商学院计算机科学与技术学院,山东烟台264005 [3]烟台东方电子信息产业集团公司,山东烟台264001

出　　处：《计算机学报》2012年第12期2645-2651,共7页Chinese Journal of Computers

基　　金：国家自然科学基金(60970088,60775035);国家“九七三”重点基础研究发展规划项目基金(2007CB311004);国家科技支撑计划项目基金(2006BAC08B06);山东省中青年科学家奖励基金(2009BSD01383)资助~~

摘　　要：分类和聚类是数据挖掘中两个重要的研究领域,分类需要相关的先验知识,而聚类往往依据某种相似性测度,从数据本身来寻找其内在特征.在电力系统负荷预测过程中,依靠先验知识得到的分类结果与聚类结果之间并不协调.针对这一问题,文中给出了调和矩阵的定义,并在此基础上,提出调和聚类-分类算法,将该方法应用于电力系统负荷预测的样本分类中,实际结果表明,通过文中方法得到的分类结果更加客观和科学,预测结果的可靠性得到了保证.Clustering and classification are two important research areas of data mining. Classifi- cation needs related prior-knowledge, while clustering normally finds its own inherent character- istics from the data based on similarity measure. In the process of power load forecasting, the re- sults of classification and clustering are inconsistent. For this problem, this paper propose the definition of associated matrix and on that basis propose associated clustering-classification algo- rithm. This algorithm is applied to data sample classification for power load prediction, the ex- periment show that the classification results obtained by our method are more reliable.

关 键 词：聚类 分类 负荷预测 调和矩阵 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]