黄　磊，陈　浩，衣乔木，陶亚龙

(1.上海新能凯博实业有限公司，上海　201210；2. 复旦大学计算机科学技术学院，上海　201203；3. 网络信息安全审计与监控教育部工程研究中心，上海　200203)

基于k-means聚类和BP神经网络组合模型的用电负荷预测

黄磊1，陈浩2,3，衣乔木1，陶亚龙1

(1.上海新能凯博实业有限公司，上海201210；2. 复旦大学计算机科学技术学院，上海201203；3. 网络信息安全审计与监控教育部工程研究中心，上海200203)

摘要：电能资源不能存储，节约电能的一个重要前提就是精准预测用电负荷。由于居民的用电负荷受多方面因素的影响(如天气)，使得用电负荷曲线为高度非线性曲线，但用电负荷的曲线又具有周期性，对于建立这种高度非线性函数并具有一定的周期性的预测模型，神经网络是一种非常合适的方法。针对现有的电力数据，并参考了现有的方法，提出了k-means聚类和BP神经网络组合模型的预测方法来预测用电负荷，通过与单独使用BP网络预测的结果进行对比，认为使用k-means聚类和BP网络的组合模型方法进行用电负荷预测，可获得较高精度。

关键词：用电负荷；天气；k-means聚类；BP网络

电力是现代工业发展的根本，也是我国的重要资源。为了更好地利用电能，上海市从2012年7月1日起，实施居民阶梯电价，其目的是为了促进居民合理用电，节约用电。由于我国的智能电网的发展技术相对于欧美、日本要滞后许多，导致了我国多次的用电供需失衡。国家为了解决供电量不足的问题，鼓励各地的发电厂大力发电，同时，也导致了很多地区用电量过剩，对电力资源造成了极大的浪费。……