基于自适应加权最小二乘支持向量机的短期电力负荷预测

来源：信息与控制杂志2015年第5期北京时间：

作者：赵超, 戴坤成

摘要：针对电力负荷建模过程中数据可能存在异常值及异常值对模型性能的影响，提出一种基于自适应加权最小二乘支持向量机（AWLS-SVM）回归方法的短期电力负荷预测模型．利用改进的正态分布加权规则自适应地为每个建模样本分配不同的权值，并结合粒子群遗传算法对模型参数进行优化选择，以进一步提高模型的预测精度和泛化能力．以北方某城市电网季度负荷数据为例，对模型的性能进行检验．计算结果表明，AWLS-SVM模型在预测精度和泛化能力方面均优于最小二乘支持向量机（LS-SVM）模型及加权最小二乘支持向量机（WLS-SVM）模型．

关键词：短期负荷预测, 自适应加权, 粒子群优化遗传算法, 最小二乘支持向量机