基于 PCA-SVM 模型的中长期电力负荷预测

• 作者: 周步祥 詹长杰
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 中长期负荷预测 综合信息集 主成分分析 支持向量机
• 年，卷（期）: 2015,（9）
• 页码范围: 6-10,40
• 页数: 6页
• 分类号: TM732
• 字数: 3251字
• 语种: 中文

摘要

电力系统负荷预测模型可以分为单一指标模型和信息集（多指标）模型，为客观准确地对中长期负荷预测进行研究，就要避免重要信息的遗漏，尽可能多的考虑与其有关联的信息。针对信息集模型中的大量信息，通过主成分分析法把综合信息集简化为少数几个主成分，降低了数据的维数；引入核函数和对偶技巧对支持向量机算法进行改进，有效避免了维数灾难和目标函数不可微的问题。通过标准SVM和PCA-SVM模型仿真对比，验证PCA-SVM模型预测结果更为准确，所提方法具有一定的实用性和有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周步祥	四川大学电气信息学院	121	1391	19.0	33.0
2	詹长杰	四川大学电气信息学院	5	86	4.0	5.0