基于不同核支持向量机变权综合的短期负荷预测

摘要

cqvip:针对短期负荷预测准确度提升及预测稳定性改进问题,给出了基于不同核支持向量机变权综合的短期负荷预测方法。该方法首先将负荷历史数据进行特征展开,利用相关分析进行特征选择,映射历史数据为输入输出关系视图,构建预测空间。随后,分别采用高斯径向基核函数、拉普拉斯核函数以及多项式核函数的支持向量机在预测空间进行训练学习,使用十折交叉验证进行模型性能测试。最后,利用性能测试的准确率及其标准差构造变权,借助多模型变权综合实现电力负荷预测。实例分析表明,与高斯核支持向量机、偏最小二乘、决策树及Bagging等常用方法相比,新方法将准确度分别提升了0.382%、3.079%、3.188%以及2.6%,将稳定性分别改进了0.383%、2.452%、1.781%以及1.43%。