基于聚类和支持向量回归的短期负荷预测方法

摘要：

提出了一种基于自组织特征映射(SOFM)的聚类分析和支持向量回归(SVR)的电力系统短期负荷预测方法.该方法首先利用自组织特征映射网络,通过无监督学习策略,对训练样本集进行聚类分析,将其分为若干相似子类;再针对每一子类构造一个支持向量回归(SVR)模型,以对应子类的样本集训练SVR模型.由于聚类后的每一子类的样本具有相似性,同时子类样本数较少,因此,该方法能够缩短训练时间,提高预测精度.基于某电网提供的历史负荷数据进行的不同方法对比实验说明了该方法的有效性.

关键词：短期负荷、自组织特征映射、聚类分析、支持向量回归

所属期刊栏目：30

分类号：TM135;TM133(电工基础理论)

资助基金：国家自然科学基金50477010;福建省自然科学基金E0510023

在线出版日期：2008-05-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：374-377