基于综合自适应滤波器的在线短期负荷预测

被引：6

作者：

蒋强 ^{[1
,2
]}

肖建 ^{[1
]}

王万岗 ^{[1
]}

何都益 ^{[2
]}

蒋伟 ^{[3
]}

机构：

[1] 西南交通大学电气学院

[2] 乐山师范学院物电学院

[3] 四川电力试验研究院

来源：

电力系统保护与控制 | 2011年 / 39卷 / 10期

关键词：

智能电网; 负荷预测; ELS-SVM; PSO; 自适应滤波器;

D O I：

暂无

中图分类号：

TM714 [负荷分析];

学科分类号：

080802 [电力系统及其自动化];

摘要：

准确地实现小时负荷预测是实施优化控制和动态安全分析的前提。采用嵌入维最小二乘支持向量机(ELS-SVM)的方法进行建模和预测,对影响负荷的因素进行模糊化处理。采用了粒子群(PSO)优化算法解决ELS-SVM学习过程中多参数难以调整的问题。提出分段小批量学习和更新的在线学习方法,既降低了运算量又能有效地避免积累误差,从而提高预测精度。实验结果表明,该方法有效地将预测精度从2.1%提高到了1.29%。

引用

页码：97 / 103+125 +125

页数：8

共 12 条

[1]

A methodology for short-term electric load forecasting based on specialized recursive digital filters [J].