基于支持向量回归的年电力需求预测方法  

Annual Electric Demand Forecasting Based on Support Vector Regression

作　　者：郭彦东[1] 李荣[1] 

机构地区：[1]阿城继电器股份有限公司哈尔滨瑞雷电气科技发展有限责任公司,黑龙江哈尔滨150090

出　　处：《自动化技术与应用》2008年第6期6-8,5,共4页Techniques of Automation and Applications

摘　　要：建立在统计学习理论(SLT)和结构风险最小化(SRM)准则基础上的支持向量机(SVM)在理论上能够很好地平衡学习精度和泛化能力之间的矛盾,支持向量机回归(SVR)是处理小样本数据回归建模的有利工具。文中提出应用SVR求解年电力需求预测问题,给出了求解问题的具体过程和方法,并对比研究了SVR和BP网络预测方法。预测结果表明应用SVR预测年电力需求,不仅易于实现,而且精度较高,性能明显优于BP网络方法。Support Vector Regression （SVR） is a powerful tool for solving a small-sample modelling problem. In this paper, SVR is applied to thr annual electric demand forecasting. The forecasting example shows that the performance of the proposed method is superior to that of the BP network method.

关 键 词：年电力需求 支持向量回归 回归 预测 

分 类 号：TM77[电气工程—电力系统及自动化]