基于小波分解的支持向量机母线负荷预测

被引:32
作者
韩勇 [1 ]
李红梅 [2 ]
机构
[1] 四川大学工商管理学院
[2] 四川省电力公司通信自动化中心
关键词
小波变换; 小波分解; 支持向量机; 母线; 负荷预测;
D O I
暂无
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
为提高母线负荷预测的准确性,提出一种基于小波分解和支持向量机的母线负荷预测方法。该方法利用小波分解算法将目标负荷序列分解为若干个不同频率的子序列,通过分析各个序列的特征规律,构造不同的支持向量机模型对各分量分别进行预测,再将各分量预测值进行重构得到最终预测值。对某一区域内15条母线进行预测,采用平均日母线负荷准确率进行评价。与单独使用支持向量机方法相比,应用所提方法提高了962点的预测效果,占总预测点数的66.8%;全系统的准确率由93.5%提高到了95.1%。
引用
收藏
页码:88 / 91
页数:4
相关论文
共 13 条
[1]
用PSO优化BP神经网络的母线负荷预测方法 [J].
彭信淞 ;
贺辉 ;
姚建刚 ;
钟立军 ;
梁文举 ;
王建 .
电力系统及其自动化学报, 2010, 22 (05) :146-151
[2]
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
[3]
基于主成分分析的最小二乘支持向量机短期负荷预测模型 [J].
刘宝英 ;
杨仁刚 .
电力自动化设备, 2008, (11) :13-17
[4]
多节点超短期负荷预测方法 [J].
韩力 ;
韩学山 ;
贠志皓 ;
耿艳 .
电力系统自动化, 2007, (21) :30-34
[5]
基于多因素小波分析的神经网络短期现货电价预测方法 [J].
苏娟 ;
杜松怀 ;
李才华 .
电力自动化设备, 2007, (11) :26-29+33
[6]
基于小波变换和混合神经网络的短期负荷预测 [J].
尹成群 ;
康丽峰 ;
李丽 ;
王红云 .
电力自动化设备, 2007, (05) :40-44
[7]
短期负荷预测中支持向量机模型的参数选取和优化方法 [J].
谢宏 ;
魏江平 ;
刘鹤立 .
中国电机工程学报, 2006, (22) :17-22
[8]
基于事例推理模糊神经网络的中压配电网短期节点负荷预测 [J].
余贻鑫 ;
吴建中 .
中国电机工程学报, 2005, (12) :18-23
[9]
基于小波分析的石油价格长期趋势预测方法及其实证研究 [J].
梁强 ;
范英 ;
魏一鸣 .
中国管理科学, 2005, (01)
[10]
基于小波分解和人工神经网络的短期负荷预测 [J].
徐军华 ;
刘天琪 .
电网技术, 2004, (08) :30-33