10.3969/j.issn.0258-2724.2009.05.001
基于复Morlet小波SVM的负荷预测
为提高预测精度和克服支持向量机(SVM)凭经验选择参数的不足,针对小波擅长信号细微特征提取和云遗传算法(CGA)良好的全局寻优能力,构建了以复Morlet小波为核函数、以CGA为参数优化算法的SVM--基于CGA的复Morlet小波SVM (CGA-CMW-SVM).针对短期负荷预测,为降低系统复杂性,克服负荷数据信息不完备、不精确的问题,仅仅利用了负荷的历史数据而不考虑气象和节假日等因素,在分析负荷时间序列混沌特性的基础上,对负荷数据进行相空间重构,并以相空间矢量作为CGA-CMW-SVM的输入,提出了短期负荷预测的新方法.仿真结果表明,该方法平均误差和最大误差小,平均误差在1.340 0%以内,最小误差为1.008 7%.
短期负荷预测、相空间重构、复Morlet小波核、支持向量机、云遗传算法
44
TM715(输配电工程、电力网及电力系统)
西南交通大学博士生创新基金的资助2007-3
2009-12-04(万方平台首次上网日期,不代表论文的发表时间)
共6页
631-636