离群数据挖掘及其在电力负荷预测中的应用-中国学术期刊网络出版总库

中国学术期刊网络出版总库

关闭

离群数据挖掘及其在电力负荷预测中的应用

推荐 CAJ下载

PDF下载

【英文篇名】	OUTLIER DATA MINING AND ITS APPLICATION IN ELECTRIC LOAD FORECASTING
【下载频次】	★★★★★
【作者】	冯丽; 邱家驹;
【英文作者】	Feng Li; Qiu Jiaju (Zhejiang University; Hangzhou 310027; China);
【作者单位】	浙江大学电气工程学院; 浙江大学电气工程学院浙江省杭州市; 浙江省杭州市;
【文献出处】	电力系统自动化 , Automation of Electric Power Systems, 编辑部邮箱 2004年 11期期刊荣誉：中文核心期刊要目总览 ASPT来源刊中国期刊方阵 CJFD收录刊
【中文关键词】	离群数据挖掘; 负荷预测; 聚类分析; 信息熵; 人工神经网络;
【英文关键词】	outlier data mining; load forecasting; clustering analysis; entropy; artificial neural networks (ANN);
【摘要】	离群数据挖掘是数据挖掘的一个重要内容,它为分析各种海量的、复杂的、含有噪声的数据提供了新的方法,但它在电力系统中还未得到广泛的应用。文中通过对现有的主要离群数据挖掘算法的简要对比说明,针对电力系统的基本特征提出应用信息熵原则的电力负荷离群数据挖掘改进算法,然后应用Kohonen网提取相关负荷的特征曲线,并将其用于不良数据的校正,通过对电力负荷的仿真分析表明了该算法的有效性。
【英文摘要】	Outlier data mining, as an important aspect of data mining, provides a new method for analyzing various quantitative, complex and noisy data, but is not widely used in power systems as yet. After a comparison of the existing outlier mining algorithms and based on the essential characteristics of electric loads, an improved outlier mining algorithm using entropy is proposed with the typical curve of correlating load extracted by Kohonen network to modify the bad data. Through the simulation of electric loads...
【更新日期】	2005-08-19
【分类号】	TM715
【正文快照】	0引言电力负荷预测是电力生产部门的重要工作之一,它是根据电力负荷历史数据和其他各类相关影响因素进行预测,因此,其预测精确度很大程度上取决于历史数据的准确程度。离群数据挖掘作为数据挖掘的一个重要内容,为分析各种海量的、复杂的、含有噪声的数据提供了新的方法。它用于

xxx

【相似文献】

中国期刊全文数据库

中国优秀硕士学位论文全文数据库

中国博士学位论文全文数据库

中国重要会议论文全文数据库

中国重要报纸全文数据库

中国学术期刊网络出版总库

点击下列相关研究机构和相关文献作者，可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献，使您全面了解该机构和该作者的研究动态和历史。

【文献分类导航】从导航的最底层可以看到与本文研究领域相同的文献，从上层导航可以浏览更多相关领域的文献。

工业技术
　

电工技术
　　

输配电工程、电力网及电力系统
　　　

理论与分析
　　　　

电力系统规划


	CNKI系列数据库编辑出版及版权所有：中国学术期刊(光盘版)电子杂志社中国知网技术服务及网站系统软件版权所有：清华同方知网(北京)技术有限公司其它数据库版权所有：各数据库编辑出版单位（见各库版权信息）京ICP证040431号互联网出版许可证新出网证（京）字008号

相似文献

文献分类导航