一种复合的支持向量机模型在电力系统短期负荷中的应用

【摘要】：将支持向量机(Support Vector Machines,SVM)应用于电力系统短期负荷预测已经得到了广泛的研究,取得了很好的预测效果。但以往的支持向量机模型的明显不足是：预测的最大误差相对较大。针对这一问题,本文提出一种包含两个 SVM 新的 SVM 模型以弥补该方面不足。第一个向量机以邻近的同类型日、同时刻样本作：勾训练样本；第二个向量机以历史年度中季节相同、日期类型和时间相似的样本进行训练。最后综合两个 SVM 的预测, 得到最终结果。通过对 EUNITE network 提供的数据进行验证,取得了较好的预测效果。