基于支持向量机的风电并网短期负荷预测方法  

作　　者：赵焱斌 

机构地区：[1]中煤科工重庆设计研究院(集团)有限公司

出　　处：《电气时代》2024年第9期32-34,共3页Electric Age

摘　　要：在对风电并网短期负荷进行预测时,由于历史负荷数据、风速数据和时间数据等特征具有多维度属性,导致预测结果的准确性难以得到保障。为此,提出基于支持向量机的风电并网短期负荷预测方法研究。通过构建风电并网支持向量机,将负荷预测问题转化为二次规划问题,将历史负荷数据、风速数据和时间数据等作为特征,以高斯核函数为基础,构建风电并网数据的特征空间,并为其建立的映射也同样为非线性映射机制。在短期负荷预测阶段,利用风电并网向量机特征的深度学习结果对映射进行校正,代入具体的运行数据,即可得到对应的预测结果。

关 键 词：深度学习 支持向量机 时间数据 高斯核函数 非线性映射 特征空间 短期负荷 负荷数据 

分 类 号：TM715[电气工程—电力系统及自动化]