摘要:针对基于支持向量机(support vector machine,SVM)的负荷预测方法存在数据输入维数大、训练时间长等缺点,提出了一种基于证据融合的相似日支持向量机预测方法。选取相似日时考虑平均负荷的大小、负荷曲线形状和温度差值,通过证据融合得到与预测日负荷高度相似的相似日,以此作为支持向量机的训练数据,剔除了大量的冗余数据,减少了输入维数,提高了预测精度。将该方法用于短期负荷预测,并与采用标准支持向量机法得到的结果进行对比,发现该方法可显著提高预测精度。
关键词:短期负荷预测 相似日 支持向量机 证据理论
单位:电力电子节能与传动控制河北省重点实验室(燕山大学) 河北省秦皇岛市066004 河北建材职业技术学院党委宣传部 河北省秦皇岛市066004
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社