基于时间序列的支持向量机在负荷预测中的应用

由于负荷预测是不确定、非线性、动态开放性的复杂大系统,传统方法往往难以准确地描述这种复杂的非线性特征,因而无法准确进行负荷预测。作者提出了基于一种基于时间序列的支持向量机(SVM)的负荷预测方法。SVM 方法采用结构风险最小化原则(SRM),能够在对小样本学习的基础上,对其它样本进行快速、准确的拟合预测,具有更好的泛化性能和精度,减少了对经验的依赖。时间序列考虑了趋势分量和周期分量,使负荷预测模型更加符合电力负荷特性。将该方法用于实际负荷预测中。和真实值的比较说明所提出的负荷预测方法是可行和有效的。