实现影响因素多源异构融合的短期负荷预测支持向量机算法

• 作者: 侯广松 吴倩红 李国杰 汪可友 韩蓓 高军
• 来源期刊: 电力系统自动化
• 关键词: 大数据 多源异构特性 支持向量机(SVM) 负荷预测 并行化
• 年，卷（期）: 2016,（15）
• 所属期刊栏目: 学术研究
• 页码范围: 67-72,92
• 页数: 7页
• 字数: 5545字
• 语种: 中文
• DOI: 10.7500/AEPS20160229012

摘要

针对智能电网大数据环境下，导致电力系统负荷波动的诸多因素存在多源异构性的问题，利用多核函数来对其多源异构特性进行差异化处理和融合，能够描述影响因素的内在分布特性并应对其变化，提高负荷预测精度。选取历史负荷、气温、气压、相对湿度、降雨量、风向、风速、节假日及电价9个属性作为多源异构影响因素，利用样本特征分布法、单变量法及核矩阵秩空间差异法来选择多核函数的构成，采用双层多核学习算法，建立了并行化多核支持向量机（SVM）负荷预测算法流程，并在Hadoop集群上进行了仿真验证。仿真结果表明，多核SVM比单核SVM预测平均相对误差小，双层多核学习、基于lp范数的多核SVM模型预测精度最高。因此，多核SVM能有效处理负荷预测中的多源异构数据，经并行化处理后，能提高负荷预测的速度与精度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李国杰		15	373	11.0	15.0
2	侯广松		5	88	2.0	5.0
3	高军		11	88	2.0	9.0
4	汪可友		6	184	5.0	6.0
5	吴倩红		1	74	1.0	1.0
6	韩蓓		1	74	1.0	1.0