作者：刘亚辉; 韩明轩; 郭俊岑; 苏良立dbscanarima短期电力负荷预测
摘要：为了提高短期电力负荷预测的准确度,提出了将密度聚类算法(DBSCAN)与自回归移动平均模型(ARIMA)相结合的方法,进行短期电力负荷预测。首先,对数据进行归一化、天气状况类别数据编码、缺失值填补等预处理;然后,利用DBSCAN对负荷均值进行聚类与剔除噪音点。ARIMA模型的参数根据差分后的时间序列及热力图确定;最后,重构分解后的曲线,并根据历史数据对未来短期负荷进行预测。实验结果表明,预测结果的误差在合理范围内。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《北京信息科技大学学报·自然科学版》（CN：11-5866/N）是一本有较高学术价值的大型双月刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《北京信息科技大学学报·自然科学版》是美国“剑桥科学文摘（CSA）数据库、俄罗斯“文摘杂志”、“中国期刊全文数据库”、“中国优秀期刊（遴选）数据库”、“中国知网”、“万方”等多家数据库来源期刊。
杂志详情
