基于即时学习算法的短期负荷预测方法

• 作者: 朱清智 董泽 马宁
• 来源期刊: 电力系统保护与控制
• 关键词: 短期电力负荷 最小二乘支持向量机 即时学习算法 变量相关性 相似度阈值
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 应用研究
• 页码范围: 92-98
• 页数: 7页
• 字数: 4868字
• 语种: 中文
• DOI: 10.19783/j.cnki.pspc.190632

摘要

针对电力系统短期负荷数据存在非线性和时变性等问题,提出了一种变量相关性局部即时学习算法和最小二乘支持向量机(LSSVM)的电力系统短期负荷预测模型.利用互信息计算气象数据、各气象因素等变量的相关度,并引入到即时学习算法训练集中,用以选择当前电力系统负荷的建模邻域,提高系统短期负荷模型预测的精度.利用相似度阈值对局部模型进行自适应更新,增强系统负荷模型实时性.利用Matlab对某市宛城区的负荷量进行预测,结果表明,基于即时学习算法的电力系统短期负荷预测模型误差更小,系统预测精度更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马宁		15	124	7.0	11.0
2	朱清智		3	0	0.0	0.0
6	董泽		1	0	0.0	0.0