基于最优FCM聚类和最小二乘支持向量回归的短期电力负荷预测

摘要：

提出了一种最优FCM聚类分析和最小二乘支持向量机回归算法(LSSVR)相结合的电力系统短期负荷预测方法.在考虑电力系统负荷日周期性的基础上,运用基于改进划分系数最大原则的最优FCM聚类分析获取历史负荷样本的最优数据模式划分,并根据输入样本相似度选取LSSVR训练样本.既强化了训练样本的数据规律,又保证了数据特征的一致性,从而提高了LSSVR训练速度,改善了预测效果.仿真实验表明:LSSVR点模型的平均预测精度约98%,而本文模型的平均预测精度达到了98.7%,证明了该方法的有效性和实用性.

关键词：短期负荷预测、最小二乘支持向量机、最优FCM聚类、相似度、电力系统

所属期刊栏目：25

分类号：TM73(输配电工程、电力网及电力系统)

资助基金：国家重点基础研究发展计划973计划2004CB217905

在线出版日期：2008-06-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：76-81