结合改进聚类算法与PSO-GA-BP神经网络算法的日最大负荷预测方法

为向负荷预测模型提供准确可靠的相似日训练样本集合，针对现有聚类算法在初始聚类中心选取方面的不足，提出了一种基于数据中心度的改进聚类算法，并搭建集数据筛选、聚类、优化、训练、预测为一体的日最大负荷预测模型.首先，基于各被聚类对象的中心度，选取聚拢效果最好的对象作为第一个聚类中心代入Canopy算法，形成初始聚类中心集合；然后，采用K-means聚类算法，得到不同类别相似日的训练样本；最后，利用PSO-GA-BP神经网络算法搭建日最大负荷预测模型进行预测分析.算例对某地区2011—2012年日最大负荷开展预测分析，结果表明：所提方法在聚类指标与预测指标上均具有一定优越性，具备一定实际工程应用价值.