基于即时学习算法的短期负荷预测方法

摘要：

针对电力系统短期负荷数据存在非线性和时变性等问题,提出了一种变量相关性局部即时学习算法和最小二乘支持向量机(LSSVM)的电力系统短期负荷预测模型.利用互信息计算气象数据、各气象因素等变量的相关度,并引入到即时学习算法训练集中,用以选择当前电力系统负荷的建模邻域,提高系统短期负荷模型预测的精度.利用相似度阈值对局部模型进行自适应更新,增强系统负荷模型实时性.利用Matlab对某市宛城区的负荷量进行预测,结果表明,基于即时学习算法的电力系统短期负荷预测模型误差更小,系统预测精度更高.

关键词：短期电力负荷、最小二乘支持向量机、即时学习算法、变量相关性、相似度阈值

所属期刊栏目：48

资助基金：国家自然科学基金项目资助;河南省科技攻关项目资助

在线出版日期：2020-05-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：92-98