最小二乘支持向量机的短期负荷多尺度预测模型

作     者：刘遵雄 钟化兰 张德运 Liu Zunxiong;Zhong Hualan;ZHANG Deyun

作者机构：西安交通大学电子与信息工程学院西安710049 华东交通大学电子与电气学院南昌330013 

出 版 物：《西安交通大学学报》 (Journal of Xi'an Jiaotong University)

年 卷 期：2005年第39卷第6期

页      面：620-623页

核心收录：

学科分类：0810[工学-信息与通信工程] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 081104[工学-模式识别与智能系统] 0805[工学-材料科学与工程（可授工学、理学学位）] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：短期负荷 多尺度预测 多孔算法 最小二乘支持向量机 

摘      要：提出了一种改进的电力负荷短期预测小波网络模型,该模型采用最小二乘支持向量机(LS-SVM)实现了小波分解系数的多尺度组合预测.首先使用多孔算法对短期负荷序列进行小波分解,得到指定尺度下的近似系数和相关尺度下的小波系数,然后利用LSSVM对预测点的系数进行多尺度组合预测,通过小波重构可以求得相应的预测值.结合某地区短期负荷需求数据进行了仿真试验,研究了预测点与历史记录数据的相关关系.预测结果表明,使用本模型进行短期负荷预测同比传统小波神经网络方法可以获得更好的预测精度,同时LS-SVM的引入大大提高了模型的可计算性.