基于数据挖掘的SVM短期负荷预测方法研究

支持向量机方法已成功地应用在负荷预测领域，但它在训练数据时存在数据处理量太大、处理速度慢等缺点。为此提出了一种基于数据挖掘预处理的支持向量机预测系统，引用在处理大数据量、消除冗余信息等方面具有独特优势的数据挖掘技术,寻找与预测日同等气象类型的多个历史短期负荷，由此组成具有高度相似气象特征的数据序列，将此数据序列作为支持向量机的训练数据，可减少数据量，从而提高预测的速度和精度，克服支持向量机的上述缺点。将该系统应用于短期负荷预测中,与单纯的SVM方法和BP神经网络法相比,得到了较高的预测精度。