基于复Morlet小波SVM的负荷预测

• 作者: 戴朝华 王维博 郑永康 陈维荣
• 来源期刊: 西南交通大学学报
• 学科: 工学
• 关键词: 短期负荷预测 相空间重构 复Morlet小波核 支持向量机 云遗传算法
• 年，卷（期）: 2009,（5）
• 页码范围: 631-636
• 页数: 6页
• 分类号: TM715
• 字数: 3834字
• 语种: 中文
• DOI: 10.3969/j.issn.0258-2724.2009.05.001

摘要

为提高预测精度和克服支持向量机(SVM)凭经验选择参数的不足,针对小波擅长信号细微特征提取和云遗传算法(CGA)良好的全局寻优能力,构建了以复Morlet小波为核函数、以CGA为参数优化算法的SVM--基于CGA的复Morlet小波SVM (CGA-CMW-SVM).针对短期负荷预测,为降低系统复杂性,克服负荷数据信息不完备、不精确的问题,仅仅利用了负荷的历史数据而不考虑气象和节假日等因素,在分析负荷时间序列混沌特性的基础上,对负荷数据进行相空间重构,并以相空间矢量作为CGA-CMW-SVM的输入,提出了短期负荷预测的新方法.仿真结果表明,该方法平均误差和最大误差小,平均误差在1.340 0%以内,最小误差为1.008 7%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈维荣	西南交通大学电气工程学院	246	3368	29.0	47.0
2	郑永康	西南交通大学电气工程学院	17	274	11.0	16.0
3	戴朝华	西南交通大学电气工程学院	86	1082	20.0	30.0
4	王维博	西南交通大学信息科学与技术学院	10	203	8.0	10.0