最小二乘支持向量机短期负荷预测研究

• 作者: 侯贺飞 刘俊勇
• 来源期刊: 四川电力技术
• 学科: 工学
• 关键词: 电力系统 短期负荷预测 最小二乘支持向量机
• 年，卷（期）: 2009,（z1）
• 所属期刊栏目: 四川大学专栏
• 页码范围: 11-15
• 页数: 5页
• 分类号: TM714
• 字数: 4312字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6954.2009.z1.004

摘要

电力系统短期负荷预测是一项非常重要的工作,准确的短期负荷预测对于电力系统经济、安全、可靠的运行具有特别重要的意义.随着电力系统的日趋复杂化,特别是电力市场的逐步深入,短期负荷预测被赋予了更高的要求.提出了基于负荷日周期性进行前后向外推的数据预处理新方法,为短期负荷预测模型利用这些历史数据奠定了基础.最小二乘支持向量机是新一代机器学习方法,将其应用于电力系统短期负荷预测,在充分利用日周期性和同时刻负荷相近性的基础上,提出了基于最小二乘支持向量机回归算法(LSSVR)的短期负荷预测点模型.该模型通过采用不同天同时刻的负荷样本训练LSSVR来获取负荷的最优线性回归函数,实现了在最小化负荷样本点误差的同时,缩小模型泛化误差的上界,获取了较好的负荷预测性能.

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	侯贺飞	四川大学电气信息学院	3	34	3.0	3.0