基于数据挖掘的SVM短期负荷预测方法研究

• 作者: 牛东晓 王会青 谷志红 邢棉
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 关键词: 电力系统 数据挖掘 气象因素 支持向量机 短期负荷预测
• 年，卷（期）: 2006,（18）
• 所属期刊栏目: 电力系统
• 页码范围: 6-12
• 页数: 7页
• 分类号: TM74
• 字数: 7152字
• 语种: 中文
• DOI: 10.3321/j.issn:0258-8013.2006.18.002

摘要

支持向量机方法已成功地应用在负荷预测领域,但它在训练数据时存在数据处理量太大、处理速度慢等缺点.为此提出了一种基于数据挖掘预处理的支持向量机预测系统,引用在处理大数据量、消除冗余信息等方面具有独特优势的数据挖掘技术,寻找与预测日同等气象类型的多个历史短期负荷,由此组成具有高度相似气象特征的数据序列,将此数据序列作为支持向量机的训练数据,可减少数据量,从而提高预测的速度和精度,克服支持向量机的上述缺点.将该系统应用于短期负荷预测中,与单纯的SVM方法和BP神经网络法相比,得到了较高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	牛东晓	华北电力大学工商管理学院	306	6130	40.0	64.0
2	谷志红	华北电力大学工商管理学院	17	656	12.0	17.0
3	王会青	华北电力大学工商管理学院	8	449	8.0	8.0
4	邢棉	华北电力大学工商管理学院	29	1302	19.0	29.0