基于输入空间压缩的短期负荷预测

摘要：

由于影响负荷预测的因素复杂,并且实际获取的历史数据有限,传统的智能预测方法往往达不到工程应用的精度要求.为解决该问题,文中提出一种准确预测电力系统短期负荷的新思路:首先建立负荷输入特征选择模型,其搜索方法采用浮动搜索算法,在去除影响负荷预测的冗余特征之后,利用有限样本学习的统计学习理论(支持向量机)构造负荷预测回归模型,充分发挥其在解决有限样本、非线性中体现出的优势,较好地提高了评估结果的精度和泛化能力.在EUNITE网络中的应用结果证明了该方法对电力系统负荷预测的有效性.

关键词：负荷预测、特征选择、浮动搜索、支持向量机

所属期刊栏目：28

分类号：TM715(输配电工程、电力网及电力系统)

在线出版日期：2004-04-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：51-54,81