论文部分内容阅读
智能电网短期负荷波动性大，传统预测方法无法解决波动性问题，预测结果不准确。为此，提出一种新的云计算环境下智能电网短期负荷预测方法。介绍了支持向量机理论，将一个含有所有某类样本在内的、由支持向量支撑的球面看作超球面，分析了分位数回归过程，将支持向量机和分位数结合在一起，构建支持向量-分位数回归预测模型。得到短期负荷概率密度函数，从而实现智能电网短期负荷预测。在进行实验时，完成对功率采样值和智能电网负荷属性的归一化处理，将其转换成［0,1］区间内的数据。实验结果表明，所提方法预测精度和效率高、成本低。