基于支持向量机的电力系统短期负荷预测

被引：62

作者：

潘峰

程浩忠

杨镜非

张澄

潘震东

机构：

[1] 上海交通大学电气工程系,上海交通大学电气工程系,上海交通大学电气工程系,常州供电公司,常州供电公司上海市徐汇区,上海市徐汇区,上海市徐汇区,江苏省常州市,江苏省常州市

来源：

电网技术 | 2004年 / 21期

关键词：

支持向量机; 电力系统; 短期负荷预测; 结构风险; 最小化原则; 核函数;

D O I：

10.13335/j.1000-3673.pst.2004.21.009

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

对将径向基函数(Radial Base Function,RBF)作为核函数的支持向量机(Support Vector Machine,SVM)方法应用于短期负荷预测进行了研究。作者使用基于 SVM 的回归估计算法建立了回归估计函数表达式,给出了SVM 网络结构;采用江苏省某市的实际负荷数据,按照不同的负荷日属性和历史负荷数据进行样本选择,使用 LIBSVM 算法和适当的核函数进行了负荷预测,并将该预测结果同由时间序列及 BP 神经网络方法得到的预测结果进行了比较,结果表明,所提出的预测方法有较高的精度。

引用

页码：39 / 42

页数：4

共 5 条

[1] 基于卡尔曼滤波的短期负荷预测方法的研究 [J].