一种改进的SVM短期电力系统负荷预测方法
周思明1
段金长2
李颖杰1
覃海1
1.贵州电力科学研究院电力调度控制中心,贵州贵阳 5500072.国电南瑞南京控制系统有限公司电网调控技术分公司,江苏南京 211106
摘要：针对电力市场环境下短期电力系统负荷预测准确、高效的要求,提出了一种改进的支持向量机短期负荷预测方法.利用主成分降维获取日负荷数据的特征因子,通过灰色关联分析建立负荷特征因子与影响因素之间的关联关系.构建不同日之间影响因素的加权差异度值,将倒数作为权重系数引入支持向量机模型,建立了一种考虑影响因素权值特征的SVM负荷预测模型.仿真结果表明,改进的SVM模型在一个月内负荷预测的平均预测准确率约为97.01%,日均相对误差在0.32%～3.57%范围内波动.该模型的负荷预测准确率和稳定性均优于常规的SVM模型与LS-SVM模型.
关键词：负荷预测支持向量机主成分分析负荷特征灰色关联分析差异度值权重系数相对误差
分类号：TM744(输配电工程、电力网及电力系统)
论文发表日期：2023-11-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 661-665 )
英文信息