基于即时学习算法的短期负荷预测方法

作     者：朱清智 董泽 马宁 ZHU Qingzhi;DONG Ze;MA Ning

作者机构：华北电力大学河北保定071003 河南工业职业技术学院河南南阳473000 

出 版 物：《电力系统保护与控制》 (Power System Protection and Control)

年 卷 期：2020年第48卷第7期

页      面：92-98页

核心收录：

学科分类：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] 081104[工学-模式识别与智能系统] 08[工学] 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）] 

基　　金：国家自然科学基金项目资助(71471060) 河南省科技攻关项目资助(202102210134) 

主　　题：短期电力负荷 最小二乘支持向量机 即时学习算法 变量相关性 相似度阈值 

摘      要：针对电力系统短期负荷数据存在非线性和时变性等问题,提出了一种变量相关性局部即时学习算法和最小二乘支持向量机(LSSVM)的电力系统短期负荷预测模型。利用互信息计算气象数据、各气象因素等变量的相关度,并引入到即时学习算法训练集中,用以选择当前电力系统负荷的建模邻域,提高系统短期负荷模型预测的精度。利用相似度阈值对局部模型进行自适应更新,增强系统负荷模型实时性。利用Matlab对某市宛城区的负荷量进行预测,结果表明,基于即时学习算法的电力系统短期负荷预测模型误差更小,系统预测精度更高。