基于负荷混沌特性和最小二乘支持向量机的短期负荷预测

被引：75

作者：

王德意

杨卓

杨国清

机构：

[1] 西安理工大学电力工程系

来源：

电网技术 | 2008年 / 07期

关键词：

混沌特性; 相空间重构; 支持向量机(SVM); 回归; 最小二乘支持向量机(LS-SVM); 短期负荷预测;

D O I：

10.13335/j.1000-3673.pst.2008.07.009

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：

以负荷时间序列的混沌特性为基础,结合混沌时间序列的相空间重构理论和支持向量机的回归理论建立了一种基于负荷混沌特性和最小二乘支持向量机的短期负荷预测模型。首先将原始负荷数据进行相空间重构,形成相点序列,然后选择与当前相点最邻近的相点作为此负荷预测模型的训练样本,经过训练寻求决策函数后就可以求出包含预测点的相点,最后还原此相点得出预测值。通过与BP神经网络的预测结果进行比较,证明了该模型在短期负荷预测中的有效性。

引用

页码：66 / 71

页数：6

共 14 条

[1]

数据挖掘中的新方法.[M].邓乃扬;田英杰著;.科学出版社.2004,

[2]

混沌时间序列分析及其应用.[M].吕金虎等编著;.武汉大学出版社.2002,

[3]

Least squares support vector machine classifiers [J].