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