摘要
由于中长期电力负荷预测样本量较少,同时受到众多因素的影响,因此建立了多因素支持向量机(SVM)负荷预测模型,运用影响因素和历史负荷向量进行智能预测,通过对江苏省某市历年负荷预测数据进行训练,然后代入训练好的模型进行预测,得到的预测值误差精度明显提高,实证分析进一步说明,运用上述预测方法能够得到令人满意的结果。
引文
[1]杨金芳,翟永杰.基于支持向量回归的时间序列预测[J].中国电机工程学报,2005,(9):110-114.
[2]潘峰,程浩忠.基于支持向量机的电力系统短期负荷预测[J].电网技术,2004,(11):39-42.
[3]余健明,燕飞.中长期电力负荷的变权灰色组合预测模型[J].电网技术,2005,(17):27-29.
[4]韩正余韦志洪.基于负荷分解的城市长期负荷预测模型研究[J].电力需求侧管理,2005.17(6):17-19.
[5]杨颖.运用季节和趋势模型预测用电负荷[J].电力需求侧管理,2004,22(3):22-24.
[6]陶莉,肖晶,周魏.负荷特性分析方法的研究[J].电力需求侧管理,2004,5(4):30-32.
[7]吴丹,程浩忠,奚珣等.基于模糊层次分析法的电力负荷组合预测[J].华东电力,2006,34(4):11-13.
[8]陈建.电力负荷预测方法[J].渤海大学学报(自然科学版),2006,27(2):142-144.