基于广义学习矢量量化和支持向量机的混合短期负荷预测方法

严正罗玮

上海交通大学;

摘要：

提出了一种基于广义学习矢量量化的负荷特征聚类方法,既考虑了专家经验的指导,同时兼备人工神经网络强大的非线性处理能力.归纳提取的负荷、气象综合指数更能反映日负荷的基本特征,同时减少了网络输入层的维数.实际预测结果表明,综合了广义学习矢量量化和支持向量机的混合短期负荷预测方法无论是在聚类准确度方面,还是在预测准确度方面,与单纯的支持向量机算法和自组织特征映射与支持向量机的混合算法相比,均具有明显的优势.

关键词：短期负荷预测、负荷特征聚类、广义学习矢量量化(GLVQ)、支持向量机(SVM)、气象因素

所属期刊栏目：32

分类号：TM715(输配电工程、电力网及电力系统)

在线出版日期：2008-09-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：62-68