基于支持向量机的中长期电力负荷组合预测

被引：37

作者：

肖先勇 ^{[1
]}

葛嘉 ^{[1
]}

何德胜 ^{[2
]}

机构：

[1] 四川大学电气信息学院

[2] 南充电业局

来源：

电力系统及其自动化学报 | 2008年 / 01期

关键词：

中长期负荷; 组合预测; 结构风险最小化; 最小二乘支持向量机; 预测风险;

D O I：

暂无

中图分类号：

TM715 [电力系统规划];

学科分类号：

摘要：

影响中长期负荷的因素多,随机性强,单一预测方法很难满足不同情况的预测需要,组合预测能较好地解决单一模型的不足,但现有组合预测模型主要基于经验风险最小,预测精度受组合模型的限制。本文提出一种基于最小二乘支持向量机的中长期负荷组合预测模型,该模型利用结构风险最小化原则代替传统的经验风险最小化,充分挖掘原始数据和单一预测模型的信息,以单一模型的预测数据作为组合预测样本,选择多项式核函数的最小二乘支持向量机进行组合预测。实际算例表明,本文提出的组合模型预测平均误差仅为1.719%,具有良好的可行性和有效性。

引用

页码：84 / 88

页数：5

共 15 条

[1] The physical series algorithm of mid-long term load forecasting of power systems
Xie, D
Yu, JY
Yu, JL
[J]. ELECTRIC POWER SYSTEMS RESEARCH, 2000, 53 (01) : 31 - 37
[2] Least squares support vector machine classifiers
Suykens, JAK
Vandewalle, J
[J]. NEURAL PROCESSING LETTERS, 1999, 9 (03) : 293 - 300
[3] 统计学习理论.[M].(美)瓦普尼克(VladimirN.Vapnik)著;许建华;张学工译;.电子工业出版社.2004,
[4] 电力负荷预测.[M].肖国泉等编著;.中国电力出版社.2001,
[5] 经济预测与决策的新方法及其应用研究.[M].唐小我著;.电子科技大学出版社.1997,
[6] 灰色预测与决策.[M].邓聚龙著;.华中工学院出版社.1986,
[7] 基于灰关联加权组合模型的电力负荷预测研究
朱常青
王秀和
张鑫
申宁
[J]. 电力系统及其自动化学报, 2006, (02) : 79 - 81
[8] RBF神经网络在中长期负荷预测中的应用
陈泽淮
张尧
武志刚
[J]. 电力系统及其自动化学报, 2006, (01) : 15 - 19
[9] 多元指数加权电力负荷灰色优化组合预测
邢棉
杨实俊
牛东晓
孙伟
[J]. 电网技术, 2005, (04) : 8 - 11
[10] 预测型数据挖掘中的优化方法
郭崇慧
陆玉昌
[J]. 工程数学学报, 2005, (01) : 25 - 29

← 1 2 →