基于ARIMA和LS-SVM组合模型的短期负荷预测

被引：3

作者：

刘国徽 ^{[1
]}

刘小满 ^{[1
]}

余雪芳 ^{[1
]}

王勇 ^{[2
]}

机构：

[1] 东北电力大学

[2] 东北电网有限公司长春超高压局

来源：

广东电力 | 2010年 / 23卷 / 11期

关键词：

短期负荷预测; ARIMA模型; LS-SVM模型; 偏差修正;

D O I：

暂无

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

经实例预测分析发现,利用累积式自回归动平均法(autoregressive integrated moving average,ARIMA)进行电力短期负荷预测时所得误差序列有较明显的周期规律性,针对此现象及其原因,为提高预测精度,提出采用最小二乘支持向量机(least squares support vector machine,LS-SVM)对ARIMA预测误差进行修正的ARIMA-LS-SVM组合模型;利用该改进模型对哈尔滨电网负荷进行实例预测,结果表明:该方法能够提高短期负荷的预测精度,并且具有较强的推广性和应用能力。

引用

页码：14 / 17

页数：4

共 5 条

[1] 基于支持向量机的电力系统短期负荷预测 [J].

潘峰 ;

程浩忠 ;

杨镜非 ;

张澄 ;

潘震东 .

电网技术, 2004, (21) :39-42

[2] 基于卡尔曼滤波的短期负荷预测方法的研究 [J].

张民 ;

鲍海 ;

晏玲 ;

曹津平 ;

杜剑光 .

电网技术, 2003, (10) :39-42

[3] 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

[4] 基于神经网络的电力系统短期负荷预测研究 [J].

周佃民 ;

管晓宏 ;

孙婕 ;

黄勇 .

电网技术, 2002, (02) :10-13+18

[5]

支持向量机在电力系统短期负荷预测中的应用.[D].关颖.天津大学.2006, 05

← 1 →