基于改进集成聚类和BP神经网络的电压偏差预测

来源：电工电能新技术杂志2018年第5期北京时间：

作者：王知芳， 杨秀， 潘爱强， 陈甜甜， 谢真桢

单位：1. 上海电力学院电气工程学院， 上海 200090；
\r\n2. 上海市电力公司电力科学研究院， 上海 200437

摘要：电能质量问题日益严重，其中电压偏差的危害最为明显。本文提出一种基于改进集成聚类和BP神经网络的电压偏差预测方法。针对单一聚类算法的不足，将AP聚类算法与经典K-means聚类算法结合，形成改进集成聚类算法，实现两类算法的优势互补，该算法包括PCA降维、AP聚类、K-means聚类三步。选择与待预测点相似相近的样本数据集，采用改进集成聚类算法对数据集中的气象数据进行聚类，提取训练样本，最后采用BP神经网络算法建立预测模型。结果表明，该方法预测结果平均相对误差为2.987%，优于传统BP神经网络预测模型以及结合PCA降维的BP神经网络预测模型。

关键词：电压偏差, 改进集成聚类, BP神经网络, 气象因素

基金资助：上海市科委地方能力建设计划项目（16020500900）