[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

摘要

本发明涉及一种基于改进聚类算法和神经网络的电压偏差预测方法，包括：1、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；2、通过PCA对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；3、通过结合AP聚类算法的K‑means聚类算法对综合气象变量数据进行聚类，得到多个类簇；4、选取与待测时刻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。与现有技术相比，本发明考虑气象因素对电压偏差的影响，利用改进聚类算法提取训练样本，减少了信息干扰，提高了预测精度。

主权项

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。