短期负荷局部线性嵌入流形学习预测法

• 作者: 刘旭娜 肖先勇 黄静
• 来源期刊: 电力系统保护与控制
• 学科: 工学
• 关键词: 负荷预测 流形学习 局部线性嵌入 非线性降维 最小二乘支持向量机
• 年，卷（期）: 2012,（7）
• 所属期刊栏目: 理论分析
• 页码范围: 25-30
• 分类号: TM715
• 字数: 5599字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-3415.2012.07.005

摘要

考虑短期日负荷预测各时刻点之间的整体性和相关性,提出一种从整体上刻画和预测短期日负荷的新方法.将日24点负荷数据值看作一个24维数据集,从多维角度挖掘负荷复杂的变化规律,建立高维预测模型.利用流形学习理论对建立的高维模型进行有效降维,从而提取高维空间数据的固有属性和整体几何规律,揭示其蕴含的有效信息.采用局部线性嵌入法(locally linear embedding,LLE)对24维负荷数据进行非线性降维,在低维空间内进行负荷预测,再用LLE重构得到24个时刻的预测值.仿真结果表明本文提出方法相比于传统一维分量预测法精度更高、速度更快.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖先勇	四川大学电气信息学院	223	2612	27.0	42.0
5	黄静	四川大学电气信息学院	122	711	15.0	19.0
6	刘旭娜	四川大学电气信息学院	10	157	5.0	10.0