论文部分内容阅读
针对短期负荷预测方法中传统的模糊C 均值（ FCM）聚类容易陷入局部最优和对初始 聚类中心敏感的问题,提出利用粒子群优化（ PS0 ）算法的全局搜索特性来优化此缺点.通过优 化的 FCM聚类来选取与预测日相似的日期作为支持向量机的训练样本,既强化了训练样本的 数据规律,又保证数据特征的一致性.实验结果表明,优化预测模型的预测精度优于B P神经 网络和支持向量机算法.