基于时间序列的支持向量机在负荷预测中的应用

• 作者: 刘先珊 张林 阴和俊
• 来源期刊: 电网技术
• 学科: 工学
• 关键词: 电力系统 负荷预测 支持向量机(SVM) 时间序列
• 年，卷（期）: 2004,（19）
• 所属期刊栏目: 电力系统
• 页码范围: 38-41
• 页数: 4页
• 分类号: TM73|F123.9
• 字数: 3347字
• 语种: 中文
• DOI: 10.3321/j.issn:1000-3673.2004.19.009

摘要

由于负荷预测是不确定、非线性、动态开放性的复杂大系统,传统方法往往难以准确地描述这种复杂的非线性特征,因而无法准确进行负荷预测.作者提出了基于一种基于时间序列的支持向量机(SVM)的负荷预测方法.SVM方法采用结构风险最小化原则(SRM),能够在对小样本学习的基础上,对其它样本进行快速、准确的拟合预测,具有更好的泛化性能和精度,减少了对经验的依赖.时间序列考虑了趋势分量和周期分量,使负荷预测模型更加符合电力负荷特性.将该方法用于实际负荷预测中.和真实值的比较说明所提出的负荷预测方法是可行和有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张林	中国科学院电子所	36	1159	13.0	34.0
5	阴和俊	中国科学院电子所	40	438	10.0	20.0
6	刘先珊	武汉大学水电工程科学国家重点实验室	12	300	9.0	12.0