基于SVM模型的中国电力需求预测  

SVM-based models for forecasting electricity demand in China

作　　者：刘广迎[1] 李翔[1] 

机构地区：[1]华北电力大学,北京102206

出　　处：《制造业自动化》2010年第3期159-162,共4页Manufacturing Automation

摘　　要：影响电力需求的因素很多,单一预测方法很难满足不同情况的预测需要,而现有组合预测模型又主要基于经验风险最小,预测精度受组合模型的限制。本文提出一种基于支持向量机的电力负荷组合预测模型,该模型利用结构风险最小化原则代替传统的经验风险最小化,充分挖掘原始数据和单一预测模型的信息,以单一模型的预测数据为预测样本,选择多项式函数支持向量机进行组合预测。实际算例表明,支持向量机法克服了传统神经网络算法的局部最优、收敛难以控制等缺点,具有良好的可行性和有效性。

关 键 词：电力需求预测 支持向量机 神经网络 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]