| 基于支持向量机的中长期电力负荷预测研究与应用 |
| |
| 引用本文： | 靳忠伟,陈康民,闫伟,王桂华.基于支持向量机的中长期电力负荷预测研究与应用[J].上海理工大学学报(社会科学版),2008,30(2):129-132. |
| |
| 作者姓名： | 靳忠伟 陈康民 闫伟 王桂华 |
| |
| 作者单位： | 上海理工大学动力工程学院 上海200093(靳忠伟，陈康民)，山东大学能源与动力工程学院 济南250061(闫伟，王桂华) |
| |
| 基金项目： | 山东省优秀中青年科学家研究奖励基金 |
| |
| 摘 要： | 采用一种新的机器学习方法——支持向量机,建立了中长期电力负荷预测模型.阐述了支持向量机的基本内容,对影响电力负荷诸多因素的样本集进行了标准化处理和主因素分析(PCA).采用Libsvm训练了数据集,并与灰色预测GM(1,1)模型、多元线性回归模型、模糊ISODATA聚类模型和BP神经网络进行对比.结果表明,此算法有更高的准确性,可为电力负荷预测提供有效依据.
|
| 关 键 词： | 支持向量机 统计学习理论 主因素分析 电力负荷预测 |
Study and application of support vector machine to forecast mid-long-term electric power load |
| |
| JIN Zhong-wei,CHEN Kang-min,YAN Wei,WANG Gui-hua.Study and application of support vector machine to forecast mid-long-term electric power load[J].Journal of University of Shanghai For Science and Technilogy(Social Science),2008,30(2):129-132. |
| |
| Authors: | JIN Zhong-wei CHEN Kang-min YAN Wei WANG Gui-hua |
| |
| Abstract: | A new machine learning method-support vector machine(SVM)was introduced and some of its characteristics were discussed.After linearly scaling and principal components analyzing(PCA), the data that affect the mid-long-term electric power load were trained by the tools of Libsvm.Com- pared to GM(1,1),multi-variables regression,BP neural network and fuzzy clustering-ISODATA,the result of SVM is excellent.Based on the model presented the mid-long-term load forecasting can be im- proved. |
| |
| Keywords: | support vector machine statistical learning theory principal components analyzing load forecasting |
|
| 点击此处可从《上海理工大学学报(社会科学版)》浏览原始摘要信息 |
| 点击此处可从《上海理工大学学报(社会科学版)》下载免费的PDF全文 |
