基于贝叶斯理论和在线学习支持向量机的短期负荷预测

• 作者: 庞文晨 张讲社 王锡凡 赵登福
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 关键词: 电力系统 短期负荷预测 支持向量机 贝叶斯理论 特征选取 在线学习
• 年，卷（期）: 2005,（13）
• 所属期刊栏目: 电力系统
• 页码范围: 8-13
• 页数: 6页
• 分类号: TM711
• 字数: 5145字
• 语种: 中文
• DOI: 10.3321/j.issn:0258-8013.2005.13.002

摘要

该文将贝叶斯理论用于短期负荷预测(STLF中输入特征的自适应选取.该理论将所有能够获得的信息,包括样本信息和先验知识结合在一起加以利用,不但避免了过拟合问题,而且简化了预测模型.文中同时建立了基于支持向量机(SVM)在线学习的短期负荷预测模型.在充分利用SVM解的稀疏性并结合KKT条件的基础上,以递增和递减算法可直接得到新的回归函数而无需重新训练,从而提高了一般SVM方法进行负荷预测的计算速度.多个实际系统的预测算例表明了该方法在预测精度和预测速度方面的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵登福		37	1399	17.0	37.0
2	王锡凡		216	10595	60.0	97.0
3	张讲社		22	897	12.0	22.0
4	庞文晨		2	92	2.0	2.0