论文部分内容阅读
论文提出了一种基于自组织映射(SOM)和支持向量机(SVM)自适应混合算法分两阶段预测短期电力负荷。在第一阶段,用SOM网络以无人监督的方式将输入数据集聚类成若干子集,然后用第二天的负荷曲线的24个SVM的组以监督方式来拟合第二阶段中的每个子集的训练数。所提出的架构对不同数据类型来说具有鲁棒性,并且可以很好地处理负荷序列的非平稳性。该方法能够在常规日和异常日同时自动适应不同的模型。通过训练有素的自适应混合算法,可以直接预测第二天的每小时电力负荷。为了确认其有效性,论文对来自贵阳市国家电网有限公司的历史电量