摘要：提出了一种联合使用硬C均值（hard C-mean,HCM）聚类算法和支持向量机（support vector machine,SVM）的电力系统短期负荷预测方法.与目前采用单一SVM的负荷预测方法相比,考虑了电力负荷变化的周期性特征,依据输入样本的相似度选取训练样本,即通过对学习样本的聚类选用同类特征数据作为预测输入,保证了数据特征的一致性,强化了历史数据规律.实际应用证明了该方法的有效性,该方法不仅提高了负荷预测精度,还缩短了预测执行时间.

关键词：电力系统 短期负荷预测 支持向量机 硬c均值聚类 相似度 

单位：天津大学电气与自动化工程学院; 天津市南开区300072