基于最小二乘支持向量机短期负荷预测模型.docVIP

基于最小二乘支持向量机短期负荷预测模型 　　摘 要:支持向量机(SVM)是近年来发展起来的机器学习的新方法,它较好地解决了小样本、非线性、高维数、局部极小点等实际问题。研究了支持向量机的拓展算法――最小二乘支持向量机(LSSVM),并将其应用于电力系统短期负荷时间序列预测。通过实例并与神经网络模型预测结果相比较表明,LSSVM模型的预测精度要明显高于神经网络模型,验证了LSSVM模型可以很好地应用于短期负荷时间序列预测,并且具有较高的准确性与有效性,这为短期负荷预测提供了一个新的解决思路。关键词:最小二乘支持向量机; 神经网络; 短期负荷预测;时间序列预测 　　中图分类号:TN715-34文献标识码:A 　　文章编号:1004-373X(2010)18-0131-03 　　 　　Short-term Load Forecasting Model Based on Least Square Support Vector Machine 　　ZHANG Ning1, XU Cheng-quan2, Xue Xiao-ling1, ZHENG Zong-hua1 　　(1. Department of Physics Electronic Information, Minjiang University, Fuzhou 350108, China; 　　2. Depa