基于某灰色模型和最小二乘支持向量机地某电力短期负荷组合预测_百度(精)

《基于某灰色模型和最小二乘支持向量机地某电力短期负荷组合预测_百度(精)》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、实用文案第33卷第3期电网技术Vol.33No.32009年2月PowerSystemTechnologyFeb.2009文章编号：1000-3673（2009）03-0063-06中图分类号：TM715文献标志码：A学科代码：470·4051基于灰色模型和最小二乘支持向量机的电力短期负荷组合预测唐杰明1，刘俊勇2，杨可3，刘友波2（1．四川省电力公司南充电业局，四川省南充市637000；2．四川大学电气信息学院，四川省成都市610065；3．四川省电力公司调度中心，四川省成都市610065）Short-TermLoadCombinationFo

2、recastingbyGreyModelandLeastSquareSupportVectorMachineTANGJie-ming1，LIUJun-yong2，YANGKe3，LIUYou-bo2（1．NanchongBranchofSichuanElectricPowerCompany，Nanchong637000，SichuanProvince，China；2．SchoolofElectricalEngineeringandInformation，SichuanUniversity，Chengdu610065，SichuanProvince

3、，China；3．DispatchingCenterofSichuanElectricPowerCompany，Chengdu610065，SichuanProvince，China）ABSTRACT:Ashort-termloadforecastingmethodinwhichtheleastsquaresupportvectorregression(LSSVRalgorithmisintelligently标准实用文案combinedwithgreymodel(GMisproposed.Consideringdailyperiodicityo

4、fpowerloadandbymeansofconditionalchoiceofhistoricalloaddata,varioushistoricalloaddatasuitesareconstructed,andforeachhistoricaldatasuiteaGM(1,1modelinwhichtheparameterβcanbemodifiedisconstructedtoconductloadforecasting.ByuseofLSSVR,thenonlinearcombinationoftheforecastedresults

5、bydifferentgreymodelsisperformedtoobtainfinalforecastingresult.Intheproposedforecastingmethodtheadvantagesofgreymodelsuchaslessrawdatatoberequired,simpletomodelandconvenienttocalculatearefullyutilizedandthefeaturesofLSSVRsuchasstronggeneralizationability,goodnonlinearfittinga

6、bilityandlesssamplestoberequiredarecombined,thustheforecastingaccuracycanbeimproved.Simulationresultsshowthattheproposedcombinationforecastingmethodiseffectiveandpracticable.KEYWORDS:powersystem；greymodel；leastsquaresupportvectormachine；non-linearcombination；short-termloadfor

7、ecasting摘要：提出一种联合灰色模型(greymodel，GM和最小二乘支持向量机回归(leastsquaresupportvectorregression，LSSVR算法的电力短期负荷智能组合预测方法。在考虑负荷日周期性的基础上，通过对历史负荷数据的不同取舍，构建出各种不同的历史负荷数据序列，并对每个历史数据序列分别建立能修正β参数的GM(1,1灰色模型进行负荷预测；采用最小二乘支持向量机回归算法对不同灰色模型的预测结果进行非线性组合，以获取最终预测值。该方法在充分利用灰色模型所需原始数据少、建模简单、运算方便等优势的基础上，结合最小二乘

8、支持向量机所具有的泛化能力强、非线性拟合性好、小样本等特性，提高了预测精度。仿真结果验证了所提出组合方法的有效性和实用性。标准实用文案关