电力系统历史负荷数据的准确与否对负荷预测效果有重要影响,首先采用减法聚类算法得到历史负荷数据的聚类数目和聚类中心,并以此来作为模糊c-均值聚类的起点,然后通过负荷曲线的横向相似性找出不良数据,最后修正不良数据,得到连续准确的负荷数据。通过实例分析验证了此方法的有效性。算例分析以某地1998年负荷数据为例验证算法的有效性。采用日48点负荷数据，随机抽取其中一天的数据作为样本。本文有公司网站全自动倒角机采集转载中国知网整理，http://www.daojiaoj.com 电力负荷数据预处理-数控滚圆机倒角机张家港倒角机气动液压倒角机3.1负荷数据预处理数据处理前后如图2—图3所示，对比图2与图3，我们注意到，图2的负荷曲线不够连续，存在明显的突变现象，有两处不良数据需要修正，而在图3中这一现象已经被修正后的数据取而代之，保证了负荷曲线的平滑与准确。3.2数据处理前后负荷预测结果对比图4和图5分别为某日的48点历史负荷数据处理前和处理后对后一天的的负荷预测结果，从图中可以清楚地看到数据处理后的负荷预测效果更好。数据处理前后进行负荷预测的误差如图6-图7所示。从两图的误差对比可以看到，相对于负荷预测结果而言，数据处理后误差明显减小，提高了确保了负荷预测的精度。表1给出了数据处理前后各时刻的平均误差，进一步说明了数据预处理的重要性和必要性。图4含有不良数据的负荷预测结果电力负荷数据预处理-数控滚圆机倒角机张家港倒角机气动液压倒角机本文有公司网站全自动倒角机采集转载中国知网整理，http://www.daojiaoj.com