【出 处】：《 计算机仿真 》 CSCD 2014年第31卷第9期 132-135页,共4页

【作 者】： 宋晓茹 [1] ; 李莉 [2] ; 张来青 [3]

【摘 要】 为了有效地提高电力负荷的预测精度,针对影响中长期电力负荷多因素间的非线性和不确定性,提出了一种粗糙集（RS）和最小二乘支持向量机（LSSVM）相结合的中长期电力负荷预测方法。采用粗糙集理论把影响电力负荷的六个因素,属性约简为三个核心属性,减少了LSSVM的输入量,提高了电力负荷预测系统的快速性;粗糙最小二乘支持向量机回归建模,构造RS-LSSVM的电力负荷预测模型,提高预测的精度。最后进行仿真,改进模型应用于某地区的中长期电力负荷的拟合和预测中,采用RS-LSSVM模型,与BP神经网络的拟合预测结果相比,预测误差明显小于BP神经网络,具有更高的预测精度,为中长期的电力系统负荷预测提供了一种新的科学、有效的方法。