文献类型：期刊文章

作　　者：张政国[1] 吴艾玲[2]

机构地区：[1]兰州交通大学自动化与电气工程学院,甘肃兰州730070 [2]兰州交通大学铁道技术学院,甘肃兰州730000

出　　处：《兰州交通大学学报》

年　　份：2016

卷　　号：35

期　　号：4

起止页码：65-71

语　　种：中文

收录情况：CAS、JST、RCCSE、ZGKJHX、ZMATH、普通刊

摘　　要：针对中期电力负荷预测问题,提出了一种基于多维允许小波核的最小二乘小波支持向量机(least squares wavelet support vector machines,LS-WSVM)方法,并且给出了一种可有效求解LS-WSVM的Cholesky分解算法.该方法结合小波技术和最小二乘支持向量机,其中小波核函数具有近似正交以及适用于局部信号分析的特性.将LS-WSVM应用于电力负荷预测的两个实例中,结果表明,与LS-SVM、标准SVM、多层前向神经网络等方法相比,LS-WSVM均能给出相当好的预测性能,所提出的用于中期电力负荷预测的LS-WSVM方法显示了其有效性和应用潜能.

关 键 词：电力负荷预测 最小二乘支持向量机 小波核函数 Cholesky算法  

分 类 号：TM715]