论文部分内容阅读
电力系统短期负荷预测是电力系统安全和经济运行的重要依据,随着价格竞争机制的引入和电力市场改革的深入,电力部门对短期负荷预测的精度提出了更高的要求。支持向量机是一种新型的机器学习方法,具有全局最优、结构简单、推广能力强等优点,在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势。然而支持向量机在进行大数据量的负荷预测时存在数据噪声、收敛速度慢等缺点,针对这些缺点,本文提出了一种利用聚类分析选择相似日,结合支持向量机进行短期负荷预测的新方法,以保证数据特征的一致性,提高短期负荷预测的精度和速度。