摘要:针对电力系统短期负荷预测中,高维大样本环境下支持向量机算法面临的耗时增大与维数灾问题,将序列最小优化算法(SMO)和粗糙集(RS)理论相结合,提出了一种新的算法——RS-SMO算法。该算法主要是用粗糙集理论进行负荷预测属性的约简,然后用其生成的边界集作为SMO的训练子集,从而使训练集的维数和规模有所减少。采用河北省某市的实际负荷数据进行算例分析,并对RS-SMO和SMO算法的预测结果进行了比较。结果表明,提出的RS-SMO算法有较高的预测精度。
关键词:粗糙集 支持向量机 序列最小优化算法 短期负荷预测
单位:华北电力大学电气与电子工程学院 河北保定071003
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社