电力负荷预测的核偏最小二乘回归模型  

Kenerl Partial Least Squares Regression Model for Electricity Load Prediction

作　　者：陈高波[1] 杨小红 

机构地区：[1]武汉工业学院,湖北武汉430023 [2]武汉市慈惠中学,湖北武汉430040

出　　处：《科学之友（下）》2010年第2期5-6,共2页Friend of Science Amateurs

基　　金：湖北省教育厅科研项目(编号:Q20091809);武汉工业学院校项目(编号:2009Y21)

摘　　要：利用高斯核函数将低维空间的非线性回归转化为高维空间的线性回归,建立了基于核偏最小二乘回归的电力负荷预测模型,克服了非线性因素对预测模型的不利影响。应用武汉市的实际数据进行了验证,结果表明,基于核偏最小二乘回归的电力负荷预测与线性偏最小二乘回归相比,具有更好的预测性能。A electricity load prediction model based on kernel partial least squares is proposed.In the forecasting model,kernel function is introduced to transform the nonlinear regression problem in low dimensional space into the linear regression in a high dimensional space,so as to avoid the negative influence of nonlinearity.The data from Wuhan City are used for validation and the results show that KPLS has higher accuracy than PLS in electricity load prediction.

关 键 词：核偏最小二乘 电力负荷 预测 

分 类 号：O213[理学—概率论与数理统计]