基于LSSVM的超短期负荷区间预测

• 作者: 杜雅楠 齐敬先 施建华 王亚鹏
• 来源期刊: 计算机系统应用
• 关键词: 超短期负荷预测 LSSVM 区间预测 Gamma Test 参数优化
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 软件技术·算法|Software Technique·Algorithm
• 页码范围: 184-189
• 页数: 6页
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007805

摘要

智能电网的快速发展给电网运行带来了新的挑战,为适应智能电网快速响应的要求,实现对电力负荷未来运行趋势的快速估计,本文提出一种基于LSSVM模型的超短期电力负荷区间预测方法,所提方法在点预测的基础上,通过对样本数据的整体噪声方差进行估算来预测区间,计算量小且大大减少了预测耗时.在模型参数选取问题上,首先使用Gamma Test噪声估计的参数确定方法确定最优的训练样本量和嵌入维数,然后采用网格搜索的方法选择最优超参数,使LSSVM模型在训练样本上的拟合误差逼近估计出的最小噪声.为验证本文所提方法的有效性,使用某电网的调度负荷数据进行了仿真实验,其结果表明该方法不仅能够体现LSSVM简单快速的特点,还通过对模型参数的优化使预测区间的准确性得到了保证.