基于不平衡数据聚类的电力负荷模式识别与预测研究  

作　　者：苌子鸣 方成 王晓庆 

机构地区：[1]安徽继远软件有限公司,安徽合肥230000

出　　处：《微型计算机》2025年第4期19-21,共3页

摘　　要：本研究针对电力负荷数据的不平衡特性,提出了一种基于改进模糊C均值(IFCM)算法的电力负荷模式识别方法,并在此基础上构建了短期和中长期负荷预测模型。研究对电力负荷模式特征进行了全面提取,针对传统FCM算法在处理不平衡数据时的局限性,提出了IFCM算法,构建了结合深度学习和集成学习的短期负荷预测方法。实验结果表明,基于聚类结果的负荷预测模型在各个预测周期内都具有较高的准确性和稳定性。本研究为电力系统的负荷模式识别与预测提供了新的思路和方法。

关 键 词：电力负荷模式 不平衡数据 模糊C均值聚类 负荷预测 

分 类 号：TM7[电气工程—电力系统及自动化]