基于最小二乘支持向量机的短期负荷预测模型

• 作者: 张宁 薛小铃 许承权 郑宗华
• 来源期刊: 现代电子技术
• 关键词: 最小二乘支持向量机 神经网络 短期负荷预测 时间序列预测
• 年，卷（期）: 2010,（18）
• 页码范围: 131-133
• 分类号: TN715-34
• 语种: 中文
• DOI: 10.3969/j.issn.1004-373X.2010.18.040

摘要

支持向量机(SVM)是近年来发展起来的机器学习的新方法,它较好地解决了小样本、非线性、高维数、局部极小点等实际问题.研究了支持向量机的拓展算法--最小二乘支持向量机(LSSVM),并将其应用于电力系统短期负荷时间序列预测.通过实例并与神经网络模型预测结果相比较表明,LSSVM模型的预测精度要明显高于神经网络模型,验证了LSSVM模型可以很好地应用于短期负荷时间序列预测,并且具有较高的准确性与有效性,这为短期负荷预测提供了一个新的解决思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张宁	闽江学院物理学与电子工程系	17	51	4.0	6.0
2	许承权	闽江学院地理科学系	22	108	6.0	9.0
3	薛小铃	闽江学院物理学与电子工程系	16	64	4.0	7.0
4	郑宗华	闽江学院物理学与电子工程系	3	15	1.0	3.0