基于多重核学习支持向量机短期负荷预测研究

摘要：

近年来,支持向量机(SVM)方法在电力系统负荷预测领域的应用研究成为了热点,鉴于传统的标准支持向量机方法在预测时间和预测精度方面的不足,首次将多重核支持向量回归方法(Multiple Kernel Learning,MKL)应用于电力系统短期负荷预测领域.通过在混合核空间求解二次约束下的二次规划问题实现多重核支持向量回归算法.该方法较标准的支持向量回归算法,不仅可以提高预测性能,而且能够减少支持向量的个数.实际算例表明,该方法能够有效地提高预测精度,缩短预测时间,具有良好的泛化性能.

关键词：短期负荷预测、多重核学习、支持向量机、核函数

所属期刊栏目：48

分类号：TM715(输配电工程、电力网及电力系统)

在线出版日期：2013-01-21（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：207-211