基于灰色关联度与LSSVM组合的月度负荷预测

作者：刘文颖; 门德月; 梁纪峰; 王维洲

来源：电网技术, 2012, (08): 228-232.

DOI：10.13335/j.1000-3673.pst.2012.08.036

• 月负荷预测
• 灰色关联度
• 最小二乘支持向量机
• 组合预测 monthly load forecasting
• grey relational degree
• least squares support vector machine(LSSVM)
• combination forecasting

由于月度负荷的二重趋势特性,其变化呈现出复杂的非线性组合特征,使预测精度一直不能达到令人满意的结果。针对月负荷的二重趋势特性和最小二乘支持向量机(least squares support vector machine,LSSVM)存在的数据输入维数大、训练时间长等缺点,提出一种基于灰色关联度与LSSVM组合的月度负荷预测方法。该方法通过计算灰色关联度来选择训练样本,选取LSSVM进行样本训练;将与待预测月高度相似的历史月负荷作为LSSVM的训练样本输入,剔除了冗余数据,减少了输入维数,提高了预测精度。通过实例验证和结果对比,证明了该方法可显著提高月负荷预测的精度。

• 单位
  新能源电力系统国家重点实验室; 甘肃电力科学研究院; 华北电力大学