基于重构相空间AD-SVM的短期电力负荷预测

• 作者: 冯平 李九林 李树光 黎武
• 来源期刊: 后勤工程学院学报
• 学科: 工学
• 关键词: 短期电力负荷 预测 重构相空间 支持向量机 神经网络
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 基础科学与机电工程
• 页码范围: 72-77,96
• 页数: 7页
• 分类号: TM74
• 字数: 3186字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-7843.2014.06.014

摘要

利用重庆市九龙坡区电网2009年7月1日0：00—10月8日4：0099 d共2380个历史电力负荷数据，分析其特点和规律。将构建混沌理论的平均位移（AD）法和支持向量机（SVM）相结合，提出了一种新的短期电力负荷预测模型。通过仿真计算，将结果与神经网络法预测结果进行对比，可得新方法能较好反应数据变化趋势，并且具备较好的拟合能力，能够提高负荷预测精度。在实际短期电力负荷预测中，可优先选用平均位移法与支持向量机相结合的新方法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯平	后勤工程学院机械电气工程系	33	76	5.0	6.0
2	李九林	后勤工程学院机械电气工程系	3	14	2.0	3.0
3	黎武	后勤工程学院机械电气工程系	7	25	3.0	4.0