基金项目:国家自然科学基金项目(51777082)收稿日期:2021－04－11修回日期:2021－06－05第40卷第2期计算机仿真2023年2月文章编号:1006－9348(2023)02－0084－05基于密度峰值聚类的超短期工业负荷预测金维刚1，李锋1，周良松2(1．国家电网公司华中分部，湖北武汉430077;2．华中科技大学电气与电子工程学院，湖北武汉430074)摘要:针对水泥工业提出一种使用密度峰值聚类和广义回归神经网络进行超短期负荷预测的方法，可以为大用户购电提供重要依据和参考。鉴于传统聚类很容易进入局部鞍点并且非常依赖于初始化数据，而密度峰值聚类是一种具有快速收敛，高鲁棒性，无需人为设置最佳聚类数等优势。所以采用密度峰值聚类算法分析负荷数据，然后对每一类簇构建广义回归神经网络预测模型得到预测结果。由仿真软件得出仿真结果表明，所提方法具有较高的预测精度，可以用于指导用户合理购电。关键词:密度峰值聚类;超短期负荷预测;大用户;用电行为;数据挖掘中图分类号:TM743文献标识码:BUltraShort－TermIndustrialPowerPredictionBasedonDensityPeakClusteringJINWei－gang1，LIFeng1，ZHOULiang－song2(1．CentralChinaBranchofStateGridCorporationofChina，WuhanHubei430077，China;2．SchoolofElectricalandElectronicEngineering，HuazhongUniversityofScienceandTechnology，WuhanHubei430074，China)ABSTＲACT:Inthispaper，amethodofsupershorttermloadforecastingusingdensitypeakclusteringandgeneral-izedregressionneuralnetworkisproposedforcementindustry，whichcanprovideimportantbasisandreferenceforlargeuserstopurchaseelectricity．InviewoftheSincetraditionalclusteringiseasytoenterthelocalsaddlepointandisverydependentontheinitializationdata，whiledensitypeakclusteringhastheadvantagesoffastconvergence，highrobustness，andnoneedtosettheoptimalclusteringnumberartificially．Therefore，thispaperadoptseddensitypeakclusteringalgorithmtoanalyzeloaddata，andthenbuildsbuiltageneralizedregressionneuralnetworkpredic-tionmodelforeachtypeofclustertogetthepredictionresults．Thesimulationresultsofthesimulationsoftwareshowthattheproposedmethodhashighpredictionaccuracyandcanbeusedtoguideuserstopurchaseelectricityreasona-bly．KEYWOＲDS:Densitypeakclustering;Ultrashort－termpowerforecasting;Big...
