基于小波变换和最小二乘支持向量机的短期电力负荷预测

被引:83
作者
杨延西
刘丁
机构
[1] 西安理工大学自动化与信息工程学院,西安理工大学自动化与信息工程学院陕西省西安市,陕西省西安市
关键词
短期负荷预测; 最小二乘支持向量机; 多分辨率分析; 小波变换; 电力系统;
D O I
10.13335/j.1000-3673.pst.2005.13.012
中图分类号
TM715 [电力系统规划];
学科分类号
080802 ;
摘要
提出了采用小波变换和最小二乘支持向量机混合模型进行电力系统短期负荷预测的方法。首先基于小波多分辨率分析方法将负荷序列分解成具有不同频率特征的序列;然后根据分解后各分量的特点构造不同的支持向量机模型对各分量分别进行预测;最后对各分量预测信号进行重构得到最终预测结果。在构建支持向量机模型时考虑了气候因素的影响,并将其作为模型的一组输入点。实验结果表明基于该方法的负荷预测系统具有较高的预测精度。
引用
收藏
页码:60 / 64
页数:5
相关论文
共 8 条
[1]   基于最小二乘支持向量机的天然气负荷预测 [J].
刘涵 ;
刘丁 ;
郑岗 ;
梁炎明 ;
宋念龙 .
化工学报, 2004, (05) :828-832
[2]   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
[3]   基于BP网络的改进负荷预测方法 [J].
何飞 ;
张国忠 ;
刘亚 .
华东电力, 2004, (03) :31-33
[4]   小波模糊神经网络在电力系统短期负荷预测中的应用 [J].
邰能灵 ;
侯志俭 .
中国电机工程学报, 2004, (01) :24-29
[5]   短期负荷预测的支持向量机方法研究 [J].
李元诚 ;
方廷健 ;
于尔铿 .
中国电机工程学报, 2003, (06) :55-59
[6]   基于人工神经网络和模糊推理的短期负荷预测方法 [J].
马文晓 ;
白晓民 ;
沐连顺 .
电网技术, 2003, (05) :29-32
[7]   基于偏最小二乘回归分析的短期负荷预测 [J].
张伏生 ;
汪鸿 ;
韩悌 ;
孙晓强 ;
张振宇 ;
曹进 .
电网技术, 2003, (03) :36-40
[8]   关于统计学习理论与支持向量机 [J].
张学工 .
自动化学报, 2000, (01) :36-46