基于SD-SVM的负荷预测研究与应用

被引:3
作者
牛庆松
程如同
李彬
石庆喜
亓富军
机构
[1] 山东临沂供电公司
关键词
负荷预测; SD-SVM法; 实现技术; 系统研发; 实际应用;
D O I
10.16308/j.cnki.issn1003-9171.2012.11.014
中图分类号
TM715 [电力系统规划];
学科分类号
080802 [电力系统及其自动化];
摘要
以临沂地区电网负荷预测系统开发为背景,以提高电网负荷预测精确度为目的,提出了基于相似日的支持向量机的(SD-SVM)负荷预测应用方案。介绍其实现的原理、业务功能及其在实例中的系统体系架构和实现技术。重点对系统采用的SD-SVM数据模型算法作了描述。该项应用研发,实现了对地区电网负荷的智能预测、自动分析、气象数据处理等功能,提升了调度人员对电网负荷变化趋势的预见性、掌控的即时性。SD-SVM法的负荷预测结果对气象因素变化较大时有明显的精度优势,具有很好的适应性。实用结果证明这一研发的实时性和预测精度优于基于传统SVM理论的预测方法,能够满足地区电网负荷预测实用性、有效性、智能化的要求。
引用
收藏
页码:21 / 26
页数:6
相关论文
共 11 条
[1]
支持向量机在短期负荷预测中的应用概况 [J].
王奔 ;
冷北雪 ;
张喜海 ;
单翀皞 ;
从振 .
电力系统及其自动化学报, 2011, 23 (04) :115-121
[2]
短期负荷预测的聚类组合和支持向量机方法 [J].
梁建武 ;
陈祖权 ;
谭海龙 .
电力系统及其自动化学报, 2011, 23 (01) :34-38
[3]
基于D-S证据理论的相似日支持向量机短期负荷预测 [J].
李鑫滨 ;
张娟 ;
张岩 ;
卢志刚 .
电网技术, 2010, 34 (07) :143-147
[4]
基于LSSVM和马尔可夫链的母线负荷短期预测 [J].
李光珍 ;
刘文颖 .
电力系统保护与控制, 2010, 38 (11) :55-59+66
[5]
基于分区逐时气象信息的全网负荷预测研究 [J].
李新炜 ;
王子琦 ;
方鸣 ;
周鹏 ;
王启明 ;
李同 ;
鞠平 .
电力系统保护与控制, 2009, 37 (03) :36-40
[6]
基于模糊支持向量机的电力系统中期负荷预测 [J].
翟永杰 ;
王静娴 ;
周黎辉 .
华北电力大学学报(自然科学版), 2008, (02) :70-73
[7]
基于相似日小波支持向量机的短期电力负荷预测 [J].
刘梦良 ;
刘晓华 ;
高荣 .
电工技术学报, 2006, (11) :59-64
[8]
基于数据挖掘的SVM短期负荷预测方法研究 [J].
牛东晓 ;
谷志红 ;
邢棉 ;
王会青 .
中国电机工程学报, 2006, (18) :6-12
[9]
基于改进相似日的超短期负荷预测法 [J].
范宏 ;
程浩忠 ;
贾德香 ;
熊虎岗 ;
陈明 ;
马鸿杰 .
华东电力, 2006, (04) :7-9
[10]
电力负荷与气象条件的联机分析系统 [J].
张春阳 ;
周继恩 ;
赵心 ;
蔡庆生 .
小型微型计算机系统, 2003, (06) :1050-1053