基于k-means聚类方法的曲线按比伸缩置换缺失数据补全法

摘要

电力负荷预测的准确度与负荷历史数据质量密切相关.现在,负荷数据一般由SCADA系统提供,所提供数据常常出现缺失现象.研究了一种缺失数据补全方法,基于k-means聚类方法的曲线按比伸缩置换法.利用电力负荷具有时间周期相似性的特点,把某一处负荷的历史数据以日负荷向量为单位进行分类.缺失的数据通过把其日负荷向量所属类的质心向量的相应数据按照一定的比例伸缩变换,替换到空缺数据部分,完成补全.与传统线性插值法和平均日负荷曲线补全法相比,补全准确度高.与支持向量机负荷预测相配合,可以一定程度上提高预测准确度.