| 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 |
| |
| 引用本文： | 唐杰明,刘俊勇,刘友波.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[J].现代电力,2008,25(2):76-81. |
| |
| 作者姓名： | 唐杰明 刘俊勇 刘友波 |
| |
| 作者单位： | 四川大学电气信息学院,四川成都,610065 |
| |
| 基金项目： | 国家重点基础研究发展计划(973计划) |
| |
| 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 最优 聚类 最小 支持向量回归 电力 负荷预测 Class Number Best Clustering Fuzzy Support Vector Regression Least Square Based 有效性 方法 预测精度 模型 仿真实验 预测效果 改善 |
| 文章编号： | 1007-2322(2008)02-0076-06 |
| 修稿时间： | 2007年10月17 |
Short-term Load Forecasting Based on Least Square Support Vector Regression and Fuzzy C-mean Clustering with the Best Class Number |
| |
| Tang Jieming,Liu Junyong,Liu Youbo.Short-term Load Forecasting Based on Least Square Support Vector Regression and Fuzzy C-mean Clustering with the Best Class Number[J].Modern Electric Power,2008,25(2):76-81. |
| |
| Authors: | Tang Jieming Liu Junyong Liu Youbo |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
