基于支持向量机的城市电网空间负荷预测方法

被引：2

作者：

聂鹏 ^{[1
]}

宋坤 ^{[2
]}

田莉 ^{[3
]}

肖白 ^{[1
]}

机构：

[1] 东北电力大学电气工程学院

[2] 辽宁省电力有限公司电力经济技术研究院

[3] 吉林省吉林供电公司

来源：

东北电力大学学报 | 2014年 / 34卷 / 04期

关键词：

空间负荷预测; 支持向量机; 粒子群优化算法; 元胞负荷; 城市电网;

D O I：

10.19718/j.issn.1005-2992.2014.04.006

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

提出了一种基于支持向量机(Support Vector Machine,SVM)的城市电网空间负荷预测(Spatial Load forecasting,SLF)方法。该方法首先以等大小网格划分的规则生成元胞,并获取元胞历年负荷;然后将各元胞历年负荷最大值及其对应的年份输入支持向量机预测模型进行训练,其中采用粒子群优化(Particle Swarm Optimization,PSO)算法寻求预测模型的最优参数,预测各元胞目标年负荷最大值,从而实现空间负荷预测;最后对吉林市城市电网进行实例分析,结果验证了该方法的实用性和有效性。

引用

页码：28 / 33

页数：6

共 14 条

[11] 模糊粗糙集理论在空间电力负荷预测中的应用 [J].