最小二乘支持向量机的短期负荷多尺度预测模型
刘遵雄1,钟化兰2,张德运1
(1.西安交通大学电子与信息工程学院，710049, 西安; 2.华东交通大学电子与电气学院,
330013, 南昌）
摘要: 提出了一种改进的电力负荷短期预测小波网络模型,该模型采用最小二乘支持向量机(LS-SVM)实现了小波分解系数的多尺度组合预测.首先使用多孔算法对短期负荷序列进行小波分解,得到指定尺度下的近似系数和相关尺度下的小波系数,然后利用LS-SVM对预测点的系数进行多尺度组合预测,通过小波重构可以求得相应的预测值.结合某地区短期负荷需求数据进行了仿真试验,研究了预测点与历史记录数据的相关关系.预测结果表明,使用本模型进行短期负荷预测同比传统小波神经网络方法可以获得更好的预测精度,同时LS-SVM的引入大大提高了模型的可计算性.
关键词: 短期负荷;多尺度预测;多孔算法;最小二乘支持向量机
中图分类号: TM715;TP18 文献标识码: A 文章编号: 0253-987X(2005)06-0620-04