摘要:采用分类模型进行空间负荷预测。由于决定负荷密度的各属性之间并非完全独立,传统分类器分类效果并不理想。为此,该文采用双层贝叶斯分类模型,该模型是朴素贝叶斯分类模型的扩展,通过选取关键属性将单一属性集划分为强属性集和弱属性集,弱化了各属性间相互独立的假设,提高了对样本分类的正确性。给出了构建和训练该模型的方法,在正确分类的基础上,文中采用类内相似度方法进行负荷密度的修正。实践和算例证明,该文模型和算法适合进行空间负荷预测。
关键词:电力系统 空间负荷预测 区间相似度 双层贝叶斯分类 类内相似度
单位:华北电力大学电力工程系; 北京市昌平区102206; 浙江省电力试验研究所; 浙江省杭州市310014; 吉林电力调度通信中心; 吉林省长春市130021
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社