基于支持向量机的中长期电力负荷预测研究与应用

被引：8

作者：

靳忠伟 ^{[1
]}

陈康民 ^{[1
]}

闫伟 ^{[2
]}

王桂华 ^{[2
]}

机构：

[1] 上海理工大学动力工程学院

[2] 山东大学能源与动力工程学院

来源：

上海理工大学学报 | 2008年 / 02期

关键词：

支持向量机; 统计学习理论; 主因素分析; 电力负荷预测;

D O I：

10.13255/j.cnki.jusst.2008.02.018

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

采用一种新的机器学习方法——支持向量机,建立了中长期电力负荷预测模型.阐述了支持向量机的基本内容,对影响电力负荷诸多因素的样本集进行了标准化处理和主因素分析(PCA).采用Libsvm训练了数据集,并与灰色预测GM(1,1)模型、多元线性回归模型、模糊ISODATA聚类模型和BP神经网络进行对比.结果表明,此算法有更高的准确性,可为电力负荷预测提供有效依据.

引用

页码：129 / 132

页数：4

共 5 条

[1] 基于支持向量机的供应链伙伴企业选择方法的研究 [J].