摘要
电力系统短期负荷预测中存在大量的不确定因素直接影响到负荷预测结果的准确性,将模糊聚类分析和粗糙集理论结合在一起对电力系统短期负荷与影响因素进行相关性分析。通过模糊聚类分析,根据气温、相对湿度以及日类型等影响负荷的因素将负荷历史数据分成若干类,提出了一种对原始数据先进行模糊聚类,再提取规则的基于模糊集和粗糙集技术的关联规则挖掘策略,可以在一定程度内减少噪声数据的干扰,消除数据对象中的冗余属性,有利于提高规则挖掘的有效性。
To improve accuracy of load forecasting in electric power systems, the combination of fuzzy clustering with rough sets is used to analyze the relevance of power load and its influencing factors. The historical data is divided into several groups according to temperature, humidity ratio and day types using fuzzy clustering. The rulemining strategy of association rules is used based on fuzzy set and rough set.
出处
《华北电力大学学报（自然科学版）》
CAS
北大核心
2006年第6期15-19,共5页
Journal of North China Electric Power University：Natural Science Edition
关键词
关联规则
数据挖掘
粗糙集
模糊集
短期负荷影响因素
相关性
association rules
data mining
rough set
fuzzy set
effect of short-term load forecasting
relevance
