Abstract：
针对电力负荷建模过程中数据可能存在的异常值以及异常值对模型性能的影响,提出了一种基于自适应加权最小二乘支持向量机(AWLS-SVM)回归的短期电力负荷预测方法。该方法基于负荷样本数据,根据最小二乘支持向量机(LS-SVM)回归模型的拟合误差,自适应地赋予每个样本不同的加权系数,以克服异常样本点对模型性能的影响,并采用粒子群优化(PSO)算法对其参数进行优化选择。仿真实验表明,AWLS-SVM方法能够有效克服异常样本数据对模型的影响,其预测精度明显优于WLS-SVM和LS-SVM。最后,通过对真实电力负荷数据的建模预测,证明了该方法在短期负荷预测中的可行性和有效性。
Keyword：
Reprint 's Address：
Email：
Source ：
Year： 2014
Language： Chinese
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 3
Affiliated Colleges：
