基于LSSVM与SMO稀疏化算法的短期负荷预测

• 作者: 刘耀年 姜成元 沈轶群 陈灵根
• 来源期刊: 继电器
• 学科: 工学
• 关键词: 最小二乘支持向量机 序列最小优化 短期负荷预测 剪枝算法 稀疏化
• 年，卷（期）: 2008,（4）
• 所属期刊栏目: 电力市场
• 页码范围: 63-66
• 页数: 4页
• 分类号: TM715
• 字数: 3583字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-3415.2008.04.016

摘要

针对最小二乘支持向量机(LSSVM)仅考虑等式约束,失去了支持向量机(SVM)解的稀疏性,影响了二次学习效率的问题,把最小二乘支持向量机与序列最小优化算法(SMO)相结合,后者应用改进的剪枝算法对解进行稀疏化处理,解决了上述问题;算法与最小二乘支持向量机相比降低了计算的复杂度,提高了计算精度.将此方法应用到电力系统短期负荷预测,与SVM和LSSVM算法比较表明该方法运行速度快,精度高,取得了较好的预测结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘耀年	东北电力大学电气工程学院	39	553	15.0	22.0
2	沈轶群	东北电力大学电气工程学院	2	20	2.0	2.0
3	姜成元	东北电力大学电气工程学院	2	20	2.0	2.0
4	陈灵根	东北电力大学电气工程学院	3	24	3.0	3.0