基于自适应混合算法的短期电力负荷预测

• 作者: 安江 杨婧
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 自适应性 负荷预测 非平稳性 自组织映射 支持向量机
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 算法与分析
• 页码范围: 2569-2577
• 页数: 9页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.11.007

摘要

论文提出了一种基于自组织映射(SOM)和支持向量机(SVM)自适应混合算法分两阶段预测短期电力负荷.在第一阶段,用SOM网络以无人监督的方式将输入数据集聚类成若干子集,然后用第二天的负荷曲线的24个SVM的组以监督方式来拟合第二阶段中的每个子集的训练数.所提出的架构对不同数据类型来说具有鲁棒性,并且可以很好地处理负荷序列的非平稳性.该方法能够在常规日和异常日同时自动适应不同的模型.通过训练有素的自适应混合算法,可以直接预测第二天的每小时电力负荷.为了确认其有效性,论文对来自贵阳市国家电网有限公司的历史电量负荷数据进行了训练和测试.