基于粗糙集改进的支持向量机模型及其在短期电力负荷预测中的应用

• 作者: 皮薇 黎特
• 来源期刊: 国网技术学院学报
• 学科: 工学
• 关键词: 短期电力负荷预测 最小二乘支持向量机
• 年，卷（期）: 2013,（4）
• 所属期刊栏目: 电力工程
• 页码范围: 16-21
• 页数: 6页
• 分类号: TM715
• 字数: 4595字
• 语种: 中文

摘要

通过对传统的最小二乘支持向量机模型和粗糙集理论的研究,提出了一种基于粗糙集理论进行改进的最小二乘支持向量机预测技术,将粗糙集原理的属性约简与特征提取技术运用到输入指标的选取上,保留有用信息并剔除无用信息.最后,以美国PJM市场2012年1月至9月的日24点历史负荷为算例,对该时间段电力负荷进行模拟仿真.结果表明,经过粗糙集属性约简改进后的LS-SVM预测模型大大提高了其预测精度,拟合效果显著提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	皮薇	华北电力大学经济与管理学院	3	14	2.0	3.0
2	黎特	华北电力大学经济与管理学院	3	14	2.0	3.0