《表1 MDSC聚类分析结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于最大偏差相似性准则的BP神经网络短期电力负荷预测算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

首先，用MDSC算法对某企业2016年1月1日～2017年5月15日共501 d的历史电力负荷数据进行聚类。然后将历史负荷数据划分为130类，其中前16类的聚类结果如表1所示。由表1可以看出，前6类负荷数据共365 d，占了历史负荷数据近72%的比例，所占比例较大，能较好反映出企业的用电规律；第7～130类中每一类的负荷数据非常少，且大部分都是各自为一类（第16～130类全是每天各自为一类），因此，可将第7～130类的负荷数据视为偏离日数据。其中，前6类负荷聚类图如图1所示。值得注意的是，在图1（f）中，负荷的数值几乎全部为零，这是因为第6类的负荷数据为企业休息日的数据，即第6类数据的日期是企业的休息日或是节假日。