陈宏义，李存斌，施立刚†

（1.华北电力大学 经济与管理学院，北京 102206；2.中国能源建设集团有限公司，北京 100029）

基于聚类分析的短期负荷智能预测方法研究＊

陈宏义1，2，李存斌1，施立刚1†

（1.华北电力大学 经济与管理学院，北京 102206；2.中国能源建设集团有限公司，北京 100029）

短期电力负荷预测作为电网企业的基本工作，其精度的提高对于电网企业运营管理和调度管理具有较大的意义，然而由于电力负荷受到诸多非线性因素的影响，因此得到高精度的电力负荷预测结果是比较困难的.本文首先利用数据挖掘中的k-means聚类技术对训练集的气象数据进行聚类分析，分析提取相似日，在提取相似日的相关历史数据后，建立支持向量机模型进行短期电力负荷预测.经算例结果证明，由该方法得出的预测结果平均相对误差为0.88%，和同结构支持向量机预测的平均相对误差（1.66%）以及ARMA预测的平均相对误差（3.81%）相比，预测精度得到明显的提高，证明了该方法的有效性.

数据挖掘；负荷预测；聚类；支持向量机；k-means

随着电力工业市场化的进展，短期电力负荷预测精度的提高对电网企业的电力调度安排，电网调度自动控制，电网企业的营销行为具有十分重要的意义［1］.20世纪80年代，国外学者Bunn和Farmer在研究负荷预测精度对电网企业的经济效益影响时就已经指出，负荷误差每增加1%将会增加10 000 000英镑的电力经营成本［2］，因此，负荷预测精度的提高对电网企业而言将会产生较大的社会经济效益.

很多研……