[发明专利]一种基于改进聚类算法和神经网络的电压偏差预测方法

权利要求书

1.一种基于改进聚类算法和神经网络的电压偏差预测方法，其特征在于，包括以下步骤：

S1、采集电网某历史时间段不同时刻的电压偏差数据和气象数据作为历史数据，通过天气预报获取待测时刻的气象数据，所述气象数据包括多种气象因素变量；

S2、通过主成分分析法对步骤S1得到的历史时间段和待测时刻的气象数据进行降维处理，选取若干主成分作为综合气象变量；

S3、通过结合AP聚类算法的K-means聚类算法对步骤S2的综合气象变量数据进行聚类，得到多个类簇；

S4、选取与待测时刻的气象数据同一类簇的历史数据作为训练样本数据集，通过BP神经网络进行训练并得到待测时刻的电压偏差预测结果。

2.根据权利要求1所述的一种基于改进聚类算法和神经网络的电压偏差预测方法，其特征在于，所述步骤S3具体包括：

S31、通过AP聚类算法对步骤S2的综合气象变量数据进行聚类，得到聚类数K和K个聚类中心；

S32、将步骤S31得到的K个聚类中心作为K-means聚类算法的初始聚类中心，对步骤S2的综合气象变量数据进行K-means聚类，得到K个类簇。

3.根据权利要求1所述的一种基于改进聚类算法和神经网络的电压偏差预测方法，其特征在于，所述气象数据的气象因素变量包括：气温、露点、湿度、气压、风向、风速和天气状况。

4.根据权利要求1所述的一种基于改进聚类算法和神经网络的电压偏差预测方法，其特征在于，所述步骤S2中选取的主成分的累计方差贡献率不小于80％。

5.根据权利要求1所述的一种基于改进聚类算法和神经网络的电压偏差预测方法，其特征在于，所述步骤S1中历史时间段的日期与待测时刻的日期所属的季节相同。

6.根据权利要求1所述的一种基于改进聚类算法和神经网络的电压偏差预测方法，其特征在于，所述步骤S4中待测时刻的电压偏差预测结果是通过多个电压偏差预测值取均值得到。