基于广义学习矢量量化和支持向量机的混合短期负荷预测方法.pdfVIP

32 卷 13 期 电 网 技 术 Vol. 32 No. 13 2008 年7 月 Power System Technology Jul. 2008 文章编号：1000-3673 （2008 ）13-0062-07 中图分类号：TM715 献标识码：A 学科代码：470 4054 基于广义学习矢量量化和支持向量机的 混合短期负荷预测方法 玮，严 正 （ 海交通大学 电子信息与电气工程学院，上海市 闵行区 200240 ） A Hybrid Approach of Short-Term Load Forecasting Based on Generalized Learning Vector Quantity and Support Machine Vector LUO Wei ，YAN Zheng （School of Electronic Information and Electrical Engineering，Shanghai Jiaotong University， Minhang District，Shanghai 200240 ，China ） ABSTRACT: A load characteristic clustering method based on 环节，许多运行决策(如机组调度、可靠性分析、机 generalized learning vector quantity (GLVQ) is proposed. This 组检修计划等)均以短期负荷预测为前提。在引入市 method not only considers the guidance of expert experiences 场竞争机制之后，负荷预测显得尤为重要，它是独 but also possesses powerful nonlinear processing ability of 立发电商制定报价策略和电力交易部门进行电价 artificial neural network (ANN). The induced load and 预测的依据。 comprehensive meteorological index can reflect the basic characteristics of daily load better; meanwhile, the dimensions 传统的负荷预测方法可分成两类：一是统计学 of network input layer can be reduced. Practical short-term 方法，即通过对历史数据的分析，归纳出表示负荷 load forecasting results by the proposed method show that 及相关因素关系的方程 ，有多元线性回归模型、 compared with pure support vector machine (SVM) algorithm