研究与开发
基于支持向量机的负荷预测分析
刘起铭, 加玛力汗?库马什, 华东, 李鹏飞
新疆大学电气工程学院, 乌鲁木齐 830047
Load Forecasting Based on Support Vector Machine Analysis
Liu Qiming, Jiamalihan?Kumashi, Hua Dong, Li Pengfei
Electrical Engineering Institute of Xinjiang University, Urumqi 830047
摘要 支持向量机(简称SVM)作为新的负荷预测方法在解决小样本、非线性、过学习问题等方面有很好的优势, 结合目前新疆地区负荷增长快、负荷变化非线性强的状况可以考虑将其运用至实际工作中以提高预测精度, 本文采取新疆某地区实际电网数据以支持向量机预测法进行预测, 通过预测结果分析证明其有效性和可行性, 体现此方法的实际应用价值。
关键词 ：
负荷预测 ,
支持向量机 ,
新疆地区
Abstract ：Support Vector Machine to solve the small sample, nonlinear, and had learning problems have a good advantage, combined with the Xinjiang region of fast load growth, changes in non-linear load conditions can be considered as a new load forecasting method applied to the practical work to improve the prediction accuracy, this article take the Xinjiang some practical power network data in support vector machine SVM prediction method to predict, by analysis of forecasting results prove the validity and feasibility of this method, embodies the practical application value.
Key words ：
Load forecasting
support vector machine
Xinjiang region
基金资助: 新疆维吾尔自治区高校科研计划重点项目(XJEDU2010I16)新疆大学校级和新疆维吾尔自治区《电力系统分析》精品课程的建设资助项目新疆少数民族大学生的就业与工科教育改革研究－新疆大学21世纪高等教育教学改革工程二期项目(XJU2008JGT21)
作者简介 : 刘起铭(1989 -), 男, 新疆大学本科生, 研究方向：电力系统稳定与控制。
引用本文:
刘起铭, 加玛力汗?库马什, 华东, 李鹏飞. 基于支持向量机的负荷预测分析[J]. 电气技术, 2013, 14(5): 37-39.
Liu Qiming, Jiamalihan?Kumashi, Hua Dong, Li Pengfei. Load Forecasting Based on Support Vector Machine Analysis. Electrical Engineering, 2013, 14(5): 37-39.
链接本文:
https://dqjs.cesmedia.cn/CN/Y2013/V14/I5/37
[1] 吕佳良.长春市电力市场负荷预测研究[D].北京:华北电力大学硕士学位论文, 2008.6:6-7.
[1]
陈宜尊, 朱容更, 邓晗应, 张昕宇. 基于支持向量机的机载自耦变压整流器故障诊断方法
[2]
李智轩, 李嘉丰, 叶晓华, 熊显智, 李天泽. 基于Copula函数与多目标进化算法的负荷区间预测
[3]
吕俊超, 丁志远, 傅琪雯. 一种海上风电场柔直送出线单端保护方案
[4]
马君, 万俊杰. 基于健康特征筛选与GWO-LSSVM的锂电池健康状态预测
[5]
刘伟, 王洪志. 基于改进注意力机制的时间卷积网络-长短期记忆网络短期电力负荷预测
[6]
魏银图, 张旸, 温步瀛, 王怀远. 基于支持向量机的模块化多电平换流器子模块开路故障诊断方法
[7]
江晶晶, 窦真兰, 杨海涛, 赵敏. 贫乏信息下基于深度迁移学习的智慧建筑负荷预测方法
[8]
陈轩伟. 基于BP-QR模型的负荷区间预测
[9]
谭翼坤, 陈明, 黄腾, 乔苏朋, 李志军. 基于气体成分分析的变压器过热隐患预警方法
[10]
徐扬, 张紫涛. 基于遗传模拟退火算法改进BP神经网络的中长期电力负荷预测
[11]
董懿飞, 舒胜文, 陈诚, 金铭, 王建. 基于红外图像分割与SSA-SVM的复合绝缘子缺陷检测方法
[12]
杨昭, 张钢, 赵俊杰, 张灏, 蔺奕存. 基于变分模态分解和改进粒子群算法优化最小二乘支持向量机的短期电价预测
[13]
郝朝, 张浩然, 张晓崎, 孙振坤, 孟一鸣. 北京郊区电网冬季典型日“煤改电”负荷特性分析
[14]
康义, 师刘俊, 郭刚. 基于WT-IPSO-BPNN的电力系统短期负荷预测
[15]
潘文虎, 夏友斌, 宋铭敏, 苏志朋, 赵倩. 基于累积平均气温模型的气象负荷预测
2013, Vol. 14 
