基于支持向量机的风电并网短期负荷预测方法

在对风电并网短期负荷进行预测时，由于历史负荷数据、风速数据和时间数据等特征具有多维度属性，导致预测结果的准确性难以得到保障。为此，提出基于支持向量机的风电并网短期负荷预测方法研究。通过构建风电并网支持向量机，将负荷预测问题转化为二次规划问题，将历史负荷数据、风速数据和时间数据等作为特征，以高斯核函数为基础，构建风电并网数据的特征空间，并为其建立的映射也同样为非线性映射机制。在短期负荷预测阶段，利用风电并网向量机特征的深度学习结果对映射进行校正，代入具体的运行数据，即可得到对应的预测结果。在测试结果中，设计方法对于风电并网短期负荷的预测结果均方误差（MSE）、平均绝对误差(MAE)和均方根误差（RMSE）分别仅为0.15,0.28和0.45，具有较高的准确性。