一种基于最小二乘支持向量机的年电力需求预测方法

摘要：

针对电力系统年用电量增长的特点,将最小二乘支持向量机LS-SVM(least squares support vector machine)回归模型引入年电力需求预测领域,并给出了相应的过程和算法.与常规基于人工神经网络ANN(artificial neural networks)的智能预测方法比较,该模型优点是明显的:1)将神经网络迭代学习问题转化为直接求解多元线性方程;2)整个训练过程中有且仅有一个全局极值点,确定了预测的稳定性;3)将年电力需求预测的外插回归问题转换为内插问题,提高了预测精度.应用实例表明:该模型实现容易、预测精度高,更适合年电力需求预测.

关键词：年电力需求、最小二乘支持向量机(LS-SVM)、回归、预测

所属期刊栏目：34

分类号：TM715(输配电工程、电力网及电力系统)

在线出版日期：2006-09-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：74-78