摘要
电力负荷预测前应首先对负荷数据进行清洗,根据电力日负荷曲线的特征,应用改进的ART-2神经网络准确的提取电力日负荷特征曲线,然后利用支持向量数据描述法对不良数据进行精确定位,最后利用特征曲线对不良数据进行修正。由于ART2网络能够动态调整特征曲线以及支持向量数据描述法快速准确性,使得该清洗模型具有对不良数据进行动态清洗的功能,实例分析说明了该模型的高效性。
Electric day load should be cleaned before electric load forecasting. According to feature of electric load curves, curve of electric day load is extracted using the modified ART2 network. Then bad data is identified accurately using support vector data de- scription. Finally bad data is modified using feature curve. Due to the ART2 network getting dynamic modifying feature curve and accuration of support vector data description, the cleaning model has the function of dynamic cleaning for bad electric data. Test result using actual data demonstrates the validity and feasibility of the model.
出处
《微计算机信息》
北大核心
2007年第21期265-267,共3页
Control & Automation
基金
国家自然科学基金项目"地空界面氡场及其辐射环境效应研究"(编号40374051)的资助.
关键词
不良数据
清洗
ART2网络
模式漂移
支持向量数据描述法
bad data, cleaning, ART2 neural network, pattern-shifting, support vector data description.
