文献类型：期刊文章

作　　者：赵佩[1] 代业明[2]

ZHAO Pei;DAI Yeming(School of Mathematics and Statistics,Qingdao University,Qingdao 266071,Shandong Province,China;School of Business,Qingdao University,Qingdao 266071,Shandong Province,China)

机构地区：[1]青岛大学数学与统计学院,山东省青岛市266071 [2]青岛大学商学院,山东省青岛市266071

出　　处：《电网技术》

基　　金：国家自然科学基金项目(71571108);中国博士后科学基金项目(2016M602104);青岛市博士后应用研究项目(2016033)。

年　　份：2020

卷　　号：44

期　　号：4

起止页码：1325-1332

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：精准的电力负荷预测有助于保障电力系统的安全调度和稳定运行,支持向量机作为一种良好的预测工具被广泛应用于电力负荷预测。随着智能电网的快速发展,实时电价成为电力负荷的重要影响因素,因此在应用支持向量机进行电力负荷预测时,引入实时电价这一影响因素,同时将加权灰色关联投影算法应用于节假日的历史负荷序列的选择,并采用改进的粒子群算法优化模型参数,最终得到一种实时电力负荷预测方法。以新加坡的电力数据为例进行实时电力负荷预测,并与通过反向传播神经网络得到的预测结果进行对比,结果表明所提出的方法具有较高的精确度和稳定性。

关 键 词：电力负荷预测 支持向量机 实时电价 加权灰色关联投影算法  

分 类 号：TM715]