基于最优FCM聚类和最小二乘支持向量回归的短期电力负荷预测

被引：10

作者：

唐杰明

刘俊勇

刘友波

机构：

[1] 四川大学电气信息学院

来源：

现代电力 | 2008年 / 02期

关键词：

短期负荷预测; 最小二乘支持向量机; 最优FCM聚类; 相似度; 电力系统;

D O I：

10.19725/j.cnki.1007-2322.2008.02.018

中图分类号：

TP18 [人工智能理论]; TM715 [电力系统规划];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 080802 ;

摘要：

提出了一种最优FCM聚类分析和最小二乘支持向量机回归算法(LSSVR)相结合的电力系统短期负荷预测方法。在考虑电力系统负荷日周期性的基础上,运用基于改进划分系数最大原则的最优FCM聚类分析获取历史负荷样本的最优数据模式划分,并根据输入样本相似度选取LSS-VR训练样本。既强化了训练样本的数据规律,又保证了数据特征的一致性,从而提高了LSSVR训练速度,改善了预测效果。仿真实验表明:LSSVR点模型的平均预测精度约98%,而本文模型的平均预测精度达到了98.7%,证明了该方法的有效性和实用性。

引用

页码：76 / 81

页数：6

共 7 条

[1] 基于FCM聚类与SVM的电力系统短期负荷预测 [J].