常鲜戎，孙景文（华北电力大学电气与电子工程学院，保定071003）

粒子群优化的模糊聚类在负荷预处理的应用

常鲜戎，孙景文
（华北电力大学电气与电子工程学院，保定071003）

负荷预处理对于准确的负荷预测来说是至关重要的。为了提高负荷预处理的准确性，提出了将传统的横向纵向比较法与改进模糊聚类算法结合的新型方法。该方法首先采用传统的横向纵向比较法处理突变量较大的负荷和缺失负荷；然后对模糊C均值算法的目标函数进行改进，将粒子群算法引入，得到改进的模糊聚类算法，进行曲线聚类，得到特征曲线；最后，利用特征曲线对坏数据进行辨识和修正。实例分析表明，通过将粒子群优化的模糊聚类与传统处理方法进行结合，取得了良好的效果，验证了该方法有效性。

负荷预处理；坏数据；模糊C均值；粒子群算法

在电力系统负荷预测实际工作中，由于SCADA（supervisory control and dataacquisition）系统中的量测、记录、转换、传输等任意环节故障都有可能导致观测数据出现反常态势，以致与大多数观测值不一致；另外，由于突发事件或者某些原因线路检修停电、切负荷停电、大事件冲击等而引起负荷的异常变化。这些数据统称为坏数据，其存在使得预测结果的准确度无法保证。因此，在进行负荷预测之前，有必要对原始负荷数据进行预处理[1]。

有关坏数据的处理已经有很多方法，比如传统的横向纵向比较法、负荷变化率检测法、基于统计的检测法、灰色预测法、小波分析法和聚类算法等。……