基于D-S证据理论的相似日支持向量机短期负荷预测

被引：19

作者：

李鑫滨 ^{[1
]}

张娟 ^{[1
]}

张岩 ^{[2
]}

卢志刚 ^{[1
]}

机构：

[1] 电力电子节能与传动控制河北省重点实验室(燕山大学)

[2] 河北建材职业技术学院党委宣传部

来源：

电网技术 | 2010年 / 34卷 / 07期

关键词：

短期负荷预测; 相似日; 支持向量机; 证据理论;

D O I：

10.13335/j.1000-3673.pst.2010.07.029

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

针对基于支持向量机(support vector machine,SVM)的负荷预测方法存在数据输入维数大、训练时间长等缺点,提出了一种基于证据融合的相似日支持向量机预测方法。选取相似日时考虑平均负荷的大小、负荷曲线形状和温度差值,通过证据融合得到与预测日负荷高度相似的相似日,以此作为支持向量机的训练数据,剔除了大量的冗余数据,减少了输入维数,提高了预测精度。将该方法用于短期负荷预测,并与采用标准支持向量机法得到的结果进行对比,发现该方法可显著提高预测精度。

引用

页码：143 / 147

页数：5

共 16 条

[1] 基于BP与RBF级联神经网络的日负荷预测 [J].