短期负荷预测的支持向量机方法研究

被引：278

作者：

李元诚

方廷健

于尔铿

机构：

[1] 中国科学技术大学自动化系

[2] 中国科学院智能机械研究所

[3] 中国电力科学研究院安徽合肥

[4] 安徽合肥

[5] 北京

来源：

中国电机工程学报 | 2003年 / 06期

关键词：

电力系统; 短期负荷预测; 支持向量机; 结构风险最小化原则; 泛化性能;

D O I：

10.13334/j.0258-8013.pcsee.2003.06.049

中图分类号：

TM714 [负荷分析];

学科分类号：

080802 ;

摘要：

提出了一种基于支持向量机(SVM)理论的电力系统短期负荷预测方法。该方法采用结构风险最小化原则(SRM),与采用经验风险最小化原则(ERM)的传统神经网络方法相比,具有更好的泛化性能和精度,减少了对经验的依赖。SVM算法以统计学习理论作为其理论基础,它的训练等价于解决一个二次规划问题。为了提高负荷预测精度,文中在训练数据集中采用了负荷数据和温度数据。通过和多层BP神经网络进行比较的试验,结果证明了其在短期负荷预测中的有效性。

引用

页码：55 / 59

页数：5