文章摘要信息

中国电机工程学报 2007, 27(7) 13-17 DOI: ISSN: 0258-8013 CN: 11-2107/TM

本期目录 | 下期目录 | 过刊浏览 | 高级检索 [打印本页] [关闭]

电力系统

	扩展功能

	本文信息
	Supporting info
	PDF(201KB)
	[HTML全文]
	参考文献[PDF]
	参考文献
	服务与反馈
	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	引用本文
	Email Alert
	文章反馈
	浏览反馈信息
	本文关键词相关文章
	电力系统
	空间负荷预测
	区间相似度
	双层贝叶斯分类
	类内相似度
	本文作者相关文章
	陶文斌
	PubMed
	Article by

基于双层贝叶斯分类的空间负荷预测

陶文斌张粒子潘弘李振元郑华

华北电力大学电力工程系华北电力大学电力工程系浙江省电力试验研究所吉林电力调度通信中心华北电力大学电力工程系

摘要：采用分类模型进行空间负荷预测。由于决定负荷密度的各属性之间并非完全独立，传统分类器分类效果并不理想。为此，该文采用双层贝叶斯分类模型，该模型是朴素贝叶斯分类模型的扩展，通过选取关键属性将单一属性集划分为强属性集和弱属性集，弱化了各属性间相互独立的假设，提高了对样本分类的正确性。给出了构建和训练该模型的方法，在正确分类的基础上，文中采用类内相似度方法进行负荷密度的修正。实践和算例证明，该文模型和算法适合进行空间负荷预测。

关键词：电力系统空间负荷预测区间相似度双层贝叶斯分类类内相似度

Spatial Electric Load Forecasting Based on Double-level Bayesian Classification

Abstract: Double-level Bayesian classification model was built to forecast the spatial electric load in this paper. This model is an improvement of na?ve Bayes classifier. It divided the attributes set into strong attributes set and weak attributes set by selecting the key attributes. It weakened the attribute independence assumption. This model highly improved the accuracy of the classification. On the base of classifying accurately, the method of similar degree in the class was used to correct the load density. The practical results showed the model and the method in this paper were effective and high accuracy in spatial electric load forecasting.

Keywords: power system spatial load forecasting similar degree in the zone double-level bayesian classification similar degree in the class

收稿日期 2005-12-23 修回日期 1900-01-01 网络版发布日期

DOI:

基金项目:

通讯作者: 陶文斌

作者简介:

作者Email: twbest_cn@163.com

参考文献：

本刊中的类似文章

1．王守相郑志杰王成山.计及不确定性的电力系统时域仿真的区间算法[J]. 中国电机工程学报, 2007,27(7): 40-44

2．高磊朱方赵红光邵广惠.东北–华北直流互联后东北电网发电机组PSS参数适用性研究[J]. 中国电机工程学报, 2009,29(25): 19-25

3．宁辽逸吴文传张伯明李想.运行风险评估中缺乏历史统计数据时的元件停运模型[J]. 中国电机工程学报, 2009,29(25): 26-31