支持向量机在短期负荷预测中的应用  

Application of support vector machine in short-term load estimation

作　　者：张鑫[1] 王宏志 

机构地区：[1]长春工业大学计算机科学与工程学院,吉林长春130012

出　　处：《长春工业大学学报》2009年第4期412-416,共5页Journal of Changchun University of Technology

基　　金：国家科技部科技支撑计划基金资助项目(2007BAE17B04)

摘　　要：采用一种有效的负荷聚类分析处理技术,把FCM模糊聚类算法和支持向量机的短期负荷预测相结合。该方法考虑到负荷变化的周期性特点,应用模糊聚类分析的基本原理,对原始样本进行模糊聚类分析,选取与预测样本特征相似的样本作为训练样本,建造负荷预测的支持向量机模型。实例分析证明,该方法能够有效地提高负荷预测的精度,缩短了预测时间。With an effective load clustering technology,FCM fuzzy clustering algorithm is combined with the short-term load estimation.The method,based on the periodic features of the load,processes the original data and chooses the samples similar to the estimated one as the trained samples to build a short-term estimation SVM model.The experimental results show that the method can effectively improve the estimation accuracy and shorten the estimation time.

关 键 词：能源管理系统 短期负荷预测 支持向量机 模糊聚类 相似度 

分 类 号：N945.12[自然科学总论—系统科学]