论文部分内容阅读
为解决局地短期电力负荷预测问题，给出了一种基于自适应聚类分区和支持向量机回归的多模型变结构负荷预测新方法。首先根据局地电力负荷的特点，使用模糊C均值聚类方法给出预测时间点的自适应分区；然后利用支持向量回归方法对不同分区分别构建预测子模型；最后提出一种基于仿真分析的模型评估和参数优化方法，在测试评估的基础上优化确定各子模型的参数，并适当调整各分区的结构。实验表明该预测方法比常用的神经网络预测方法具有更高的准确率和更强的鲁棒性。