Краткосрочное прогнозирование суточных почасовых графиков электрической нагрузки является важной основой надежной и экономичной работы электроэнергетической системы. Точность прогноза электропотребления непосредственно влияет на качество диспетчерского управления и надежность электроснабжения. Таким образом, выбор подходящего метода прогнозирования нагрузки для повышения точности прогноза имеет важное практическое значение. В статье представлены результаты краткосрочного прогнозирования электропотребления в операционной зоне регионального диспетчерского управления с помощью регрессионной модели, построенной на основе теории опорных векторов (SVM). Используется модификация наименьших квадратов опорных векторов (LS-SVM). В прогнозной модели учитываются статистические и прогнозные данные температуры воздуха и естественной освещенности, влияющие на электропотребление. Показано, что существенное влияние на точность прогнозирования оказывают два параметра модели LS-SVM, выбираемые опытным путём.

Short-term forecasting of daily schedules hourly electrical load is an important basis for reliable and efficient operation of the electricity system. Accuracy of the forecast electricity consumption directly affects the quality of supervisory control and power supply reliability. Thus, the selection of an appropriate load forecasting method to improve prediction accuracy is of practical importance. The paper presents results short-term forecasting electricity consumption in the operational area of the regional supervisory control using a regression model based on the theory of support vector machine (SVM). Use a modification of the least squares support vector machine (LS-SVM). In the predictive model accounted for statistical and forecast data of air temperature and natural light, affecting the power consumption. It is shown that a significant effect on the accuracy of prediction is supported by two parameter model LS-SVM, chosen empirically.