基于数据挖掘的SVM短期负荷预测方法研究.pdfVIP

26 卷 18 期 中 国 电 机 工 程 学 报 Vol.26 No.18 Sep. 2006 2006 年9 月 Proceedings of the CSEE 2006 Chin.Soc.for Elec.Eng. 文章编号：0258-8013 (2006) 18-0006-07 中图分类号：TM74 文献标识码：A 学科分类号：47040 基于数据挖掘的SVM 短期负荷预测方法研究 牛东晓，谷志红，邢 棉，王会青 (华北电力大学工商管理学院，河北省 保定市 071003 ） Study on Forecasting Approach to Short-term Load of SVM Based on Data Mining NIU Dong-xiao, GU Zhi-hong, XING Mian, WANG Hui-qing ( School of Business Administration, North China Electric Power University, Baoding 071003,Hebei Province,China) ABSTRACT The support vector machine (SVM) has been 高的最大困难就是短期负荷受到多种随机干扰因 successfully applied to the load forecasting area, but it has 素的影响和需要多种不同的预测模型拟合。其中， some disadvantages of very large data amount and slow 对短期负荷曲线变化影响最大的干扰因素是气象 processing speed. Using advantages of the data mining 因素，如果不考虑气象因素，无论采用何种技术建 technology in processing large data and eliminating redundant information, a SVM forecasting system based on data mining 立预测模型，均会导致预测失败，且误差较大，影 preprocess was proposed to search the historical daily load with 响电网的稳定运行。目 ，其他研究人员一般情况 the same meteorological category as the forecasting day and to 下采用人工神经网络模型、遗传算法模型和小波分 compose data sequence with highly similar meteorological [1-4] 析模型 进行短期负荷预测，其中人工神经网络模 features. Taking the new data sequence as the training data of [5-6] 型应用最为广泛。但普通神经网络模型 大多不考 SVM, the data amount was decreased and the processing speed 虑气象因素影响，并且出现了