基于LSSVM与SMO 稀疏化算法的短期负荷预测

摘要：

把最小二乘支持向量机与序列最小优化算法相结合应用在电力系统短期负荷预测中，与传统支持向量机负荷预测方法相比进一步提高了计算速度，但是相比传统支持向量机，丧失了解的稀疏性，影响了二次学习的效率，因此通过改进的剪枝算法对解进行了稀疏化处理，并对其预测结果与支持向量机进行分析比较，预测的准确性也得到了进一步提高。

关键词： 电力系统 支持向量机 序贯最小优化 短期负荷预测 剪枝算法

作者: 沈轶群 姜成元 李玉玲

作者单位: 东北电力大学电气工程学院,吉林,吉林市,132012

会议类型: 国内会议

会议名称: 中国高等学校电力系统及其自动化专业第二十三届学术年会

会议地点: 合肥

会议语种:中文

在线出版日期: 2007-10-01（万方平台首次上网日期，不代表论文的发表时间）