基于Kohonen聚类和SVM组合算法的电网日最大负荷预测

• 作者: 阳育德 马小慧 龚利武
• 来源期刊: 电网与清洁能源
• 学科: 工学
• 关键词: Kohonen聚类 支持向量机 负荷预测
• 年，卷（期）: 2014,（2）
• 所属期刊栏目: 智能电网
• 页码范围: 7-11
• 页数: 5页
• 分类号: TM715
• 字数: 3264字
• 语种: 中文

摘要

电力系统负荷受到气象等多种因素的共同影响,为提高电力系统短期预测的准确度,提出了一种将Kohonen聚类和SVM结合的预测算法.该方法考虑到电力系统变化周期性的特点,通过对学习样本进行聚类,选出具有相同特征的历史相似日,构造相似日训练样本并利用SVM模型进行预测.样本特征向量中同时包含了多种气象因子及节假日等因素,经过仿真实验,验证了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	阳育德	广西大学电力系统最优化研究所	40	360	10.0	18.0
3	马小慧	广西大学电力系统最优化研究所	1	15	1.0	1.0
6	龚利武	广西大学电力系统最优化研究所	2	22	2.0	2.0