%0 Journal Article
%T 电力日负荷数据特征模式智能提取方法
%A 李明浩
%J 重庆大学学报
%D 2006
%R 10.11835/j.issn.1000-582X.2006.02.014
%X 电力负荷数据中可能包含各种坏数据，严重影响负荷预测精度，因此需要从这些合有噪声的日负荷数据中提取出负荷的特征模式，以便对负荷数据进行清洗．以软聚类思想为指导，通过模糊C均值聚类算法及Kohonen自组织特征映射神经网络的互补结合，提出了日负荷特征模式的智能提取方法，该方法不但具有辨识精度高、收敛速度快的优点，而且具有对数据的动态处理能力，为精确的负荷预测和准确的系统分析做好了数据上的准备，对重庆城区供电局负荷数据的实例分析说明了方法的高效性．
%K 日负荷
%K 特征模式
%K 软聚类
%K 神经网络
%U http://qks.cqu.edu.cn/cqdxzrcn/ch/reader/view_abstract.aspx?file_no=20060256&flag=1