摘要:考虑短期日负荷预测各时刻点之间的整体性和相关性,提出一种从整体上刻画和预测短期日负荷的新方法。将日24点负荷数据值看作一个24维数据集,从多维角度挖掘负荷复杂的变化规律,建立高维预测模型。利用流形学习理论对建立的高维模型进行有效降维,从而提取高维空间数据的固有属性和整体几何规律,揭示其蕴含的有效信息。采用局部线性嵌入法(locallyl Inearembedding,LLE)对24维负荷数据进行非绳l生降维,在低维空间内进行负荷预测,再用LLE重构得到24个时刻的预测值。仿真结果表明本文提出方法相比于传统一维分量预测法精度更高、速度更快。
关键词:负荷预测 流形学习 局部线性嵌入 非线性降维 最小二乘支持向量机
单位:四川大学电气信息学院 四川成都610065 智能电网四川省重点实验室 四川成都610065
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
相关期刊
断块油气田