10.3969/j.issn.1006-6047.2005.07.011
基于模糊支持向量机方法的短期负荷预测
考虑气象因素对负荷的影响,提出了一种模糊支持向量机SVM(Support Vector Machine)的短期负荷预测方法.首先选取预测目前4星期中差异评价函数小于给定经验值的已知日作为相似日学习样本,然后利用隶属度函数对影响负荷特征因素向量的分量进行模糊处理,得到SVM的训练样本集,拟合负荷和影响因素之间的非线性关系.对24点每点建立一个SVM预测模型,采用改进的序列极小优化算法实现对SVM的快速训练.算例数据包括每天的气象数据和24点负荷数据,以最大相对误差和平均误差评价预测结果,表明所提方法简便快速且实用有效.
短期负荷预测、支持向量机、核函数、隶属度函数
25
TM715(输配电工程、电力网及电力系统)
2005-07-28(万方平台首次上网日期,不代表论文的发表时间)
共3页
41-43