SVM与Fourier算法在电网短期负荷预测中的应用

　　本文所提出的算法计算的该日的最大相对误差(绝对值)为5.2%，平均误差为2.4%。对比神经网络法(平均误差4.1%，最大相对误差11.9%)和单纯SVM算法(平均误差3.7%,最大误差10.1%)的误差结果，该法具有较高的精度。本文所提算法对每个点进行预测，训练程序运行时间都在400毫秒到1500毫秒之间(含滤波时间)，测试时间则小于20毫秒，具有较快的速度。

5 结论
  本文介绍了SVM和Fourier算法及其在电力系统短期负荷预测中的应用。算法考虑到影响负荷的要素，对历史数据聚类，找出与预测点属同一类的数据进行训练。Fourier算法将负荷曲线平滑化，防止了随机波动对预测的干扰。算例证明，该方法结果合理，运行速度快，精度很高，是一种很有应用价值的新兴算法。