摘要：来源于SCADA系统的负荷历史数据由于各种原因含有一定的脏数据,在进行高精度的电力负荷预测或系统分析前必须仔细而合理地对历史数据进行清洗.文中基于数据挖掘理论提出一种动态的智能清洗模型,先根据模糊软聚类思想对Kohonen神经网络进行了改进,改进后的Kohonen神经网络能实现模糊软聚类的并行计算,提出的动态算法能根据样本集的更新而自动确定新的聚类中心(即特征曲线),最后与径向基函数(RBF)网络一起构成脏数据的智能清洗模型.模型的快速性和动态性特点使其宜于进行负荷数据的实时处理,对重庆江北负荷数据的实例分析说明了该模型的高效性.

关键词：数据挖掘 模糊软聚类 神经网络 动态清洗 脏数据 

单位：重庆大学高电压与电工新技术教育部重点实验室; 重庆市; 400044; 重庆大学高电压与电工新技术教育部重点实验室; 重庆市; 400044; 贵州电网公司贵阳市南供电局; 贵州省; 贵阳市; 550002