基于模糊C均值聚类及学习向量量化神经网络的负荷同时系数预测模型

发布时间：2024-01-23 13:20

　　针对变压器及电缆容量确定问题,该文以负荷同时系数(LSF)预测为目标,建立考虑社会发展水平、人口构成、负荷类型的LSF影响因素指标体系。应用模糊C均值聚类对台区负荷的用电类型进行划分,基于学习向量量化(LVQ)神经网络建立LSF预测模型。该预测模型具有自动确定LSF影响因素权重、针对不同类型综合负荷预测的选择性强、便于依据实测数据更新模型参数的特点。LSF预测精度提高,为配变定容提供了有利依据。应用京津唐地区实际负荷验证了该文LSF预测方法的有效性。

【文章页数】：8 页

图1LSF预测的指标体系

图2LVQ神经网络结构图

图3LSF预测流程图

图4减少1个指标后预测误差的变化图

本文编号：3882730