摘 要：随着电力系统的飞速发展，以往基于小规模数据的传统电力负荷预测算法可能无法容纳大量数据集和效率上的要求。为改善预测模型的工程实用性、效率和准确度，将传统的时间序列预测方法与机器学习中的支持向量机算法相结合，应用于短时电力负荷预测。即使用某一时刻对应的以往时间点的电力数据作为属性值，使用支持向量回归构建模型进行预测。通过实践证明，模型可以快速有效地处理数据，并且具有较高的预测准确度。
关键词：时间序列；支持向量机；电力负荷预测；机器学习
中图分类号：TP183；TM715 文献标识码：A 文章编号：2096-4706（2020）24-0017-03
SVM Short Term Power Load Forecasting Based on Time Series
YE Yuansheng，ZHANG Jing
（China University of Mining and Technology-Beijing，Beijing 100083，China）
Abstract：With the rapid development of power systems，traditional power load forecasting algorithms based on small-scale data in the past may not be able to accommodate large data sets and efficiency requirements. In order to improve the engineering practicability，efficiency and accuracy of the forecasting model，the traditional time series forecasting method is combined with the support vector machine algorithm in machine learning and applied to short term power load forecasting. That is，the power data corresponding to a certain point in the past is used as the attribute value，and the support vector regression is used to construct a model for prediction. Practice has proved that the model can process data quickly and effectively，and has high prediction accuracy.
Keywords：time series；support vector machine；power load forecasting；machine learning
参考文献：
[1] 康重庆，夏清，刘梅. 电力系统负荷预测 [M]. 北京：中国电力出版社，2007.
[2] 牛东晓，曹树华，卢建昌，等. 电力负荷预测技术及其应用：第2 版 [M]. 北京：中国电力出版社，2009.
[3] 赵希正. 中国电力负荷特性分析与预测 [M]. 北京：中国电力出版社，2002.
[4] 张文哲. 电力系统短时负荷预测模型研究 [D]. 重庆：重庆大学，2004.
[5] 廖旎焕，胡智宏，马莹莹，等. 电力系统短期负荷预测方法综述 [J]. 电力系统保护与控制，2011，39（1）：147-152.
[6] 孟思齐，杨洪耕. 基于灰色生成的卡尔曼滤波短期负荷预测 [J]. 电力系统及其自动化学报，2008，20（6）：78-82.
[7] 张亚军，张大波，许诚昕. 神经网络在电力系统短期负荷预测中的应用综述 [J]. 浙江电力 2007（2）：5-9.
[8] 李重春，祝安琪，王烁罡，等. 电力大数据下的短期电力负荷预测 [J]. 电力大数据，2019，22（1）：66-70.
[9] 杜莉，张建军. 神经网络在电力负荷预测中的应用研究 [J].计算机仿真，2011，28（10）：297-300.
[10] 周志华. 机器学习 [M]. 北京：清华大学出版社，2016.
[11] BATES J M，GRANGER C. The Combination of forecast [J].Journal of the Operational Research Society，1969，20（4）：451-468.
[12] VAPNIK V N. The nature of statistical learning theory [M].New York：Springer，1995.
[13] THOMOPOULOS N T. Applied Forecastin Methods [M].Englewood Cliffs：Prentice-Hall，1980.
作者简介：
叶远胜（1995—），男，汉族，安徽安庆人，硕士研究生在读，研究方向：机器学习；
张静（1996—），女，汉族，安徽淮北人，硕士研究生在读，研究方向：自然语言处理。