基于特性矩阵分层分析的短期母线负荷预测坏数据处理策略

原始数据分析是提高短期母线负荷预测精度的重要环节,提出一种基于特性矩阵分层分析的坏数据处理策略。首先研究划分样本集最优簇结构的聚类算法。利用AP聚类计算标幺曲线样本集的聚类数搜索区间;从大到小排列各样本点的密度指标,得到初始化矩阵;通过Silhouette指标进行有效性检验,最终得到最优聚类结果。参照特征曲线,计算反映负荷点性质的横向及纵向特征向量,进而形成特性矩阵。运用判别准则对日负荷曲线的特性矩阵进行分层分析,并针对不同变化特性的母线负荷制定相应的坏数据处理策略。实例分析表明,本文提出的方法可有效改善原始数据的质量,提高母线负荷预测精度。