Indexed by：
Abstract：
现有方法预测电力短期负荷时忽略了对其进行聚类优化处理，导致预测耗时较长，短期负荷预测精度偏低。为此，提出一种基于改进K-means算法的电力短期负荷预测方法。该方法利用改进后的K-means算法聚类处理电力负荷大数据，使用聚类后获得的训练样本构建循环神经网络RNN拓扑结构，然后通过对RNN神经网络模型设置最优权值，实现电力负荷的短期预测。实验结果表明，所提方法具有高预测效率和高短期负荷预测精准度。
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
电力科学与技术学报
ISSN： 1673-9140
CN： 43-1475/TM
Year： 2022
Issue： 01
Volume： 37
Page： 90-95
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 5
Affiliated Colleges：
