共 18 条
基于SARIMA-GRNN-SVM的短期商业电力负荷组合预测方法
被引：17
作者：
徐晶
[1
]
迟福建
[2
]
葛磊蛟
[3
]
李娟
[1
]
张梁
[1
]
羡一鸣
[4
]
机构：
[1] 国网天津市电力公司经济技术研究院
[2] 国网天津市电力公司
[3] 天津大学电气自动化与信息工程学院
[4] 省部共建电工装备可靠性与智能化国家重点实验室(河北工业大学电气工程学院)
来源：
关键词：
商业电力负荷;
短期预测;
季节自回归差分移动平均模型;
广义回归神经网络;
支持向量机;
D O I：
10.19635/j.cnki.csu-epsa.000353
中图分类号：
TM715 [电力系统规划];
学科分类号：
摘要：
针对短期商业电力负荷预测准确性与周期难以满足现有电力现货市场的问题,提出了一种基于SARIMAGRNN-SVM(seasonal autoregressive integrated moving average-generalized regression neural network-support vector machine)的商业电力负荷组合预测模型。首先,对商业电力负荷变化的周期规律与随机因素的复杂影响进行了分析;然后,结合以上分析,选用SARIMA和GRNN为单一预测模型对商业电力负荷进行预测,并利用SVM进行组合,实现日前商业电力负荷预测;最后,通过某商业综合体的电力负荷数据进行验证。所提组合预测模型较单一预测模型拥有更优的预测精度与鲁棒性,可以为短期商业电力负荷预测提供借鉴。
引用
收藏
页码：85 / 91
页数：7
相关论文