基于最优FCM聚类和最小二乘支持向量回归的短期电力负荷预测

• 作者: 刘俊勇 刘友波 唐杰明
• 来源期刊: 现代电力
• 学科: 工学
• 关键词: 短期负荷预测 最小二乘支持向量机 最优FCM聚类 相似度 电力系统
• 年，卷（期）: 2008,（2）
• 所属期刊栏目: 电力市场与经济
• 页码范围: 76-81
• 页数: 6页
• 分类号: TM73
• 字数: 3238字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-2322.2008.02.017

摘要

提出了一种最优FCM聚类分析和最小二乘支持向量机回归算法(LSSVR)相结合的电力系统短期负荷预测方法.在考虑电力系统负荷日周期性的基础上,运用基于改进划分系数最大原则的最优FCM聚类分析获取历史负荷样本的最优数据模式划分,并根据输入样本相似度选取LSSVR训练样本.既强化了训练样本的数据规律,又保证了数据特征的一致性,从而提高了LSSVR训练速度,改善了预测效果.仿真实验表明:LSSVR点模型的平均预测精度约98%,而本文模型的平均预测精度达到了98.7%,证明了该方法的有效性和实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘俊勇	四川大学电气信息学院	423	6701	41.0	61.0
2	刘友波	四川大学电气信息学院	146	1570	21.0	33.0
3	唐杰明	四川大学电气信息学院	4	34	3.0	4.0