短期负荷预测分析及一种新模型构想

被引：3

作者：

敖丽敏 ^{[1
]}

王永春 ^{[1
]}

吴庆 ^{[2
]}

机构：

[1] 东北电力大学

[2] 白山供电公司

来源：

吉林电力 | 2006年 / 04期

关键词：

复合预测模型; 电力系统; 短期负荷预测;

D O I：

10.16109/j.cnki.jldl.2006.04.006

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

在分析、比较目前较为成熟的短期负荷预测模型的优、缺点的基础上,提出一种基于支持向量机理论的复合预测模型的构想,该模型通过对2个训练集样本的选择,弥补因单一训练集过大(包含冗余信息)或过小(必要信息遗失)造成的预测精度下降。为提高训练的收敛速度,预测时,可通过将负荷分类的方式简化模型。

引用

页码：16 / 19

页数：4

共 15 条

[1] 基于模糊粗糙集和神经网络的短期负荷预测方法 [J].

王志勇 ;

郭创新 ;

曹一家 .

中国电机工程学报, 2005, (19) :7-11

[2] 基于小波变换和最小二乘支持向量机的短期电力负荷预测 [J].

杨延西 ;

刘丁 .

电网技术, 2005, (13) :60-64

[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] 基于最佳进化方向的多目标遗传算法 [J].

芦金婵 ;

李乃成 ;

王伟东 ;

不详 .

计算机工程与应用 , 2005, (19) :73-76

[5] 人工鱼群神经网络在电力系统短期负荷预测中的应用 [J].

马建伟 ;

张国立 .

电网技术, 2005, (11) :36-39

[6] 基于支撑向量机在线学习方法的短期负荷预测 [J].

黄训诚 ;

庞文晨 ;

赵登福 ;

王锡凡 .

西安交通大学学报, 2005, (04) :412-416

[7] 基于免疫支持向量机方法的电力系统短期负荷预测 [J].

吴宏晓 ;

侯志俭 .

电网技术, 2004, (23) :47-51

[8] 电力系统负荷预测研究综述与发展方向的探讨 [J].

康重庆 ;

夏清 ;

张伯明 .

电力系统自动化, 2004, (17) :1-11

[9] 基于小波分解和人工神经网络的短期负荷预测 [J].

徐军华 ;

刘天琪 .

电网技术, 2004, (08) :30-33

[10] SVM在电网短期负荷预测中应用研究 [J].

杨镜非 ;

程浩忠 .

电力自动化设备, 2004, (02) :30-32

← 1 2 →