基于协同知识挖掘的电力负荷预测理论研究

内容：针对过去负荷预测仅考虑定量数字型影响因素和历史数据的不足，进一步全面考虑对负荷有重要影响的各类定性描述的知识型影响因素，研究建立影响负荷的各类知识文本的标准、结构及规范，研究基于经验知识的推理规则；提出针对预测目标影响相似性的定性与定量知识的协同知识挖掘预处理方法，定向聚类挖掘基于知识发现的与预测目标具有高相似性的历史数据，以此为输入，提出可自动优化确定网络结构且强化全局寻优的自组织变结构优化神经网络负荷预测模型，幷与其它方法比较，提出根据推理规则知识和隐性经验知识的后干预校正方法，使预测精度得到突破性的提高。.意义：预测理论发展到今天，最大的难题是定性影响因素知识的处理，包括文本知识、经验知识、推理规则等，如何协同综合提取各类知识并在模型中发挥重要作用，从而突破性地提高预测精度，是需要深入研究的问题，具有重要的理论与实际意义，我们以电力负荷为对象展开研究，为预测理论发展做出努力。