基于多分辨率SVM回归估计的短期负荷预测

被引:44
作者
畅广辉
刘涤尘
熊浩
机构
[1] 武汉大学电气工程学院
[2] 武汉大学电气工程学院 湖北省武汉市 河南省电力公司调度通信中心
[3] 河南省郑州市
关键词
短期负荷预测; 支持向量机; 多分辨率; 泛化能力;
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
针对短期负荷预测支持向量机(SVM)方法的局部逼近能力和泛化能力进行研究,将多分辨率支持向量机(M-SVM)用于短期负荷预测中节点负荷预测曲线的回归估计。该理论在保持曲线总体逼近能力的同时提高了局部区域的逼近能力。文中根据短期负荷预测的具体特点,设计了负荷预测数学模型,采用96条回归曲线进行日负荷的曲线预测,并在该模型的基础上采用实际数据进行验证,分析了这种回归模型的泛化能力。实验结果表明M-SVM模型在预测精度和预测速度方面具有优良的特性。
引用
收藏
页码:37 / 41
页数:5
相关论文
共 9 条
[1]
网格化的电力系统短期负荷预测的MDRBR模型 [J].
黎静华 ;
栗然 ;
顾雪平 ;
牛东晓 .
电力系统自动化, 2005, (24) :27-31
[2]
基于径向基神经网络和自适应神经模糊系统的电力短期负荷预测方法 [J].
雷绍兰 ;
孙才新 ;
周湶 ;
张晓星 ;
程其云 .
中国电机工程学报, 2005, (22)
[3]
基于贝叶斯理论和在线学习支持向量机的短期负荷预测 [J].
赵登福 ;
庞文晨 ;
张讲社 ;
王锡凡 .
中国电机工程学报, 2005, (13) :8-13
[4]
改进范例推理在短期负荷预测中的应用 [J].
王志勇 ;
郭创新 ;
曹一家 .
电力系统自动化, 2005, (12) :33-37
[5]
基于输入空间压缩的短期负荷预测 [J].
许涛 ;
贺仁睦 ;
王鹏 ;
徐东杰 .
电力系统自动化, 2004, (06) :51-54+81
[6]
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)
[7]
基于GN-BFGS算法的RBF神经网络短期负荷预测 [J].
赵登福 ;
张涛 ;
杨增辉 ;
谷庆利 ;
夏道止 .
电力系统自动化, 2003, (04) :33-36
[8]
基于自适应最优模糊逻辑系统的短期负荷预测方法 [J].
吴捷 ;
严华 .
电力系统自动化, 1999, (17)
[9]
基于径向基函数网络的短期负荷预测 [J].
高山 ;
单渊达 .
电力系统自动化, 1999, (05)