基于最小二乘支持向量机和负荷密度指标法的配电网空间负荷预测

被引：100

作者：

周湶 ^{[1
]}

孙威 ^{[1
]}

任海军 ^{[1
]}

张昀 ^{[1
]}

孙才新 ^{[1
]}

谢国勇 ^{[2
]}

邓景云 ^{[1
]}

机构：

[1] 输配电装备及系统安全与新技术国家重点实验室(重庆大学)

[2] 四川华油集团有限责任公司

来源：

电网技术 | 2011年 / 35卷 / 01期

关键词：

空间负荷预测; 负荷密度指标法; 支持向量机; 模糊C–均值聚类; 遗传算法;

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：

传统的负荷密度指标的求取方法通常采用经验法或简单类比法,难以满足精度要求,从负荷密度与其影响因素存在着某种非线性关系的角度出发,提出了一种基于最小二乘支持向量机(least squares support vector machine,LS-SVM)的配电网空间负荷预测方法。该方法首先引入模糊C–均值算法把各类用地性质负荷聚类为几个等级,建立比较精确的负荷密度指标体系;然后根据待预测地块的规划属性,在体系中为LS-SVM预测模型选出与预测样本特征更为相似的样本进行训练,提高LS-SVM的泛化能力和预测精度;采用遗传算法对LS-SVM预测模型的参数进行自动优化,进一步提高预测模型的适应性和预测精度,实例验证了该方法的实用性和有效性。

引用

页码：66 / 71

页数：6

共 15 条

[1]

采用支持向量机和遗传算法的电容型设备介质损耗因数修正方法 [J].