收藏本站
《2009中国控制与决策会议论文集(2)》2009年
收藏 | 手机打开
二维码
手机客户端打开本文

短期负荷预测的模糊聚类多支持向量机模型研究

高荣  刘晓华  
【摘要】:针对电力负荷的特点,充分考虑了日类型、天气和温度等各种因素对未来电力负荷的影响,提出了模糊均值聚类的多支持向量机负荷预测模型;利用模糊聚类将历史日按照日模式分成若干类,然后用支持向量机分别建立负荷预测模型,提出的方法对山东省电力公司2005-2007的负荷数据进行建模预测,所得结果表明该方法具有较高的预测精度.
【作者单位】:鲁东大学数学与信息学院
【基金】:国家自然科学基金资助,项目批准号60774016
【分类号】:TM715

【参考文献】
中国期刊全文数据库 前4条
1 康重庆,程旭,夏清,沈瑜;一种规范化的处理相关因素的短期负荷预测新策略[J];电力系统自动化;1999年18期
2 李明干,孙健利,刘沛;基于卡尔曼滤波的电力系统短期负荷预测[J];继电器;2004年04期
3 于剑,程乾生;模糊聚类方法中的最佳聚类数的搜索范围[J];中国科学E辑:技术科学;2002年02期
4 张学工;关于统计学习理论与支持向量机[J];自动化学报;2000年01期
【共引文献】
中国期刊全文数据库 前10条
1 张晓杰,王巍巍;基于C—均值模糊聚类的工程结构构件自动归并方法研究[J];四川建筑科学研究;2005年04期
2 侯宜祥;曹玉峰;;一种实用负荷预测气象因子建模方法[J];安徽电气工程职业技术学院学报;2008年01期
3 王东霞;张楠;路晓丽;;基于育种算法的SVM参数优化[J];安徽大学学报(自然科学版);2009年04期
4 陶秀凤,唐诗忠,周鸣争;基于支持向量机的软测量模型及应用[J];安徽工程科技学院学报(自然科学版);2004年02期
5 程伟;张燕平;赵姝;;支持向量机在粮食产量预测中的应用[J];安徽农业科学;2009年08期
6 武素华;;基于最小二乘支持向量机的土壤含水量检测的研究与分析[J];安徽农业科学;2009年09期
7 陈念;沈佐民;;基于化学成分检测和SVM分类的茶叶品质鉴定[J];安徽农业科学;2010年15期
8 黄远顺;;矫直机的自动故障预报技术[J];安徽冶金;2012年01期
9 林春丽;齐欣;王克成;;SVM-KNN分类器在异常行为检测中的应用[J];辽宁科技大学学报;2010年05期
10 王亮;胡静涛;;基于LS-SVM的光刻过程R2R预测控制方法[J];半导体技术;2012年06期
中国重要会议论文全文数据库 前10条
1 宋海鹰;桂卫华;阳春华;;基于核偏最小二乘的简约最小二乘支持向量机及其应用研究[A];第二十六届中国控制会议论文集[C];2007年
2 顾小军;杨世锡;钱苏翔;;基于支持向量机的旋转机械多类故障识别研究[A];第二十六届中国控制会议论文集[C];2007年
3 吕蓬;柳亦兵;马强;魏于凡;;支持向量机在齿轮智能故障诊断中的应用研究[A];第二十六届中国控制会议论文集[C];2007年
4 姜明辉;袁绪川;;基于GA优化的个人信用评估SVM模型[A];第二十六届中国控制会议论文集[C];2007年
5 ;The Load Forecasting Using the PSO-BP Neural Network and Wavelet Transform[A];第二十七届中国控制会议论文集[C];2008年
6 韩露;余正涛;邓锦辉;章程;毛存礼;郭剑毅;;领域知识关系对领域文本分类的影响[A];第二十七届中国控制会议论文集[C];2008年
7 吴静珠;刘翠玲;孙晓容;;支持向量机在近红外光谱检测技术中的应用研究[A];第二十九届中国控制会议论文集[C];2010年
8 尹钟;张建华;;基于支持向量机方法的过程操作员功能状态分类[A];中国自动化学会控制理论专业委员会A卷[C];2011年
9 杨青;刘晔;张东旭;刘畅;;快速查找最优初始聚类数K的改进K-means算法[A];中国自动化学会控制理论专业委员会A卷[C];2011年
10 杨坤;纪志成;;基于峰值识别的改进SVM用电需求预测[A];中国自动化学会控制理论专业委员会B卷[C];2011年
中国博士学位论文全文数据库 前10条
1 母丽华;煤矿安全预警系统的方法研究[D];哈尔滨工程大学;2010年
2 朱广平;混响干扰中的信号检测技术研究[D];哈尔滨工程大学;2009年
3 孔凡芝;引线键合视觉检测关键技术研究[D];哈尔滨工程大学;2009年
4 郑大腾;柔性坐标测量机空间误差模型及最佳测量区研究[D];合肥工业大学;2010年
5 王晓明;基于统计学习的模式识别几个问题及其应用研究[D];江南大学;2010年
6 刘美;WSN多目标跟踪节点任务分配及跟踪算法研究[D];华南理工大学;2010年
7 李先锋;基于特征优化和多特征融合的杂草识别方法研究[D];江苏大学;2010年
8 刘卫红;垃圾邮件检测与过滤关键技术研究[D];华南理工大学;2010年
9 汪春梅;癫痫脑电信号特征提取与自动检测方法研究[D];华东理工大学;2011年
10 张目;高技术企业信用风险影响因素及评价方法研究[D];电子科技大学;2010年
中国硕士学位论文全文数据库 前10条
1 展慧;基于多源信息融合技术的板栗分级检测方法研究[D];华中农业大学;2010年
2 杜二玲;拟概率空间上等均值噪声下统计学习理论的理论基础[D];河北大学;2007年
3 李金华;基于SVM的多类文本分类研究[D];山东科技大学;2010年
4 安文娟;Fisher和支持向量综合分类器[D];辽宁师范大学;2010年
5 姜成玉;基于支持向量机的时间序列预测[D];辽宁师范大学;2010年
6 姜念;区间自适应粒子群算法研究及其应用[D];郑州大学;2010年
7 李朋勇;基于全矢高阶谱的故障诊断方法及其应用研究[D];郑州大学;2010年
8 辛保兵;既有预应力混凝土梁桥剩余承载力评估方法研究[D];郑州大学;2010年
9 王巧立;微生物发酵过程的建模与优化控制研究[D];郑州大学;2010年
10 刘松;基于OCSVM和主动学习的DDOS攻击分布式检测系统[D];郑州大学;2010年
【二级参考文献】
中国期刊全文数据库 前3条
1 于剑,程乾生;模糊划分的一个新定义及其应用[J];北京大学学报(自然科学版);2000年05期
2 范九伦,裴继红,谢维信;基于可能性分布的聚类有效性[J];电子学报;1998年04期
3 卢增祥,李衍达;交互支持向量机学习算法及其应用[J];清华大学学报(自然科学版);1999年07期
【相似文献】
中国期刊全文数据库 前10条
1 李元诚,方廷健,于尔铿;短期负荷预测的支持向量机方法研究[J];中国电机工程学报;2003年06期
2 李元诚,方廷健;一种基于粗糙集理论的SVM短期负荷预测方法[J];系统工程与电子技术;2004年02期
3 潘峰,程浩忠,杨镜非,张澄,潘震东;基于支持向量机的电力系统短期负荷预测[J];电网技术;2004年21期
4 赵石磊,杜德生;基于神经网络和支持向量机的电力系统负荷预测方法[J];信息技术;2005年07期
5 王东;;回归算法在电力负荷预测中的应用[J];仪器仪表用户;2009年06期
6 龚灯才,李训铭,李林峰;基于模糊支持向量机方法的短期负荷预测[J];电力自动化设备;2005年07期
7 魏俊;周步祥;林楠;邢义;;基于蚁群支持向量机的短期负荷预测[J];电力系统保护与控制;2009年04期
8 牛丽仙;苑津莎;张英慧;;基于粗糙集和支持向量机的电力系统短期负荷预测[J];电力科学与工程;2010年02期
9 龚灯才;孙长银;李林峰;;基于模糊回归支持向量机的短期负荷预测[J];三峡大学学报(自然科学版);2006年01期
10 张庆宝;程浩忠;刘青山;郑季伟;倪东海;;基于粗糙集属性约简算法和支持向量机的短期负荷预测[J];电网技术;2006年08期
中国重要会议论文全文数据库 前10条
1 高荣;刘晓华;;短期负荷预测的模糊聚类多支持向量机模型研究[A];2009中国控制与决策会议论文集(2)[C];2009年
2 刘晓华;高荣;;基于分布式支持向量机的短期负荷预测[A];第二十四届中国控制会议论文集(上册)[C];2005年
3 辛鹏;辛雷;蔡国伟;李晓琦;;一种基于经验模态分解与支持向量机的电力系统短期负荷预测新方法[A];第十一届全国电工数学学术年会论文集[C];2007年
4 卢小芬;林志超;方瑞明;;基于组合式支持向量机的电力系统短期负荷预测方法[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集(中册)[C];2008年
5 叶淳铮;常鲜戎;;基于小波变换和支持向量机的电力系统短期负荷预测[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集(中册)[C];2008年
6 林杰华;张斌;李冬森;宋华茂;余志强;王浩;;支持向量机在电力客户信用评级中的应用[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
7 刘耀年;王浩;何昌浩;何萍;;基于支持向量回归机的短期电力负荷预测[A];第十届全国电工数学学术年会论文集[C];2005年
8 王堃;孔松涛;胡正定;;基于最小支持向量机的锅炉受热面污染部位诊断[A];中国力学学会学术大会'2009论文摘要集[C];2009年
9 王永春;;一种复合的支持向量机模型在电力系统短期负荷中的应用[A];第十届全国电工数学学术年会论文集[C];2005年
10 孙伟;卢建昌;孟明;;基于时间序列支持向量机模型的电价预测研究[A];2006中国控制与决策学术年会论文集[C];2006年
中国重要报纸全文数据库 前7条
1 通讯员 池长斌;宁夏电力短期负荷预测保持领先[N];中国电力报;2011年
2 张树斌 范明;湖北电网中、短期负荷预测系统显神威[N];华中电力报;2001年
3 王海亚;负荷预测的几种方法及特点[N];黔西南日报;2008年
4 通讯员池长斌;宁夏电网短期负荷预测西北第一[N];中国电力报;2011年
5 本报记者 林海宇;对迎峰度夏和奥运保电工作再部署再动员[N];华东电力报;2008年
6 曹琰陈也清;华中电网用电负荷创新高[N];国家电网报;2008年
7 崔春华;西北电网公司积极调度缓解我省供电紧张[N];陕西日报;2008年
中国博士学位论文全文数据库 前10条
1 彭光金;小样本工程造价数据的智能学习方法及其在输变电工程中的应用研究[D];重庆大学;2010年
2 王硕禾;基于短期负荷预测技术的电能控制系统研究[D];天津大学;2009年
3 孙薇;市场条件下抽水蓄能电站效益综合评价及运营模式研究[D];华北电力大学(河北);2007年
4 刘曼兰;永磁直流电机故障在线监测与智能诊断的研究[D];哈尔滨工业大学;2007年
5 杨实俊;可持续发展约束下小型火电厂危机管理研究[D];华北电力大学(河北);2008年
6 韩晓明;基于符号有向图和支持向量机的故障诊断方法的研究[D];太原理工大学;2011年
7 郑永康;相空间重构与支持向量机结合的短期负荷预测研究[D];西南交通大学;2008年
8 吴宏晓;基于软计算方法的电力系统负荷预测[D];上海交通大学;2007年
9 张智晟;基于多元理论融合的电力系统短期负荷预测的研究[D];天津大学;2004年
10 程其云;基于数据挖掘的电力短期负荷预测模型及方法的研究[D];重庆大学;2004年
中国硕士学位论文全文数据库 前10条
1 冷北雪;基于支持向量机的电力系统短期负荷预测[D];西南交通大学;2010年
2 张红梅;基于支持向量机的电力系统短期负荷预测研究[D];河海大学;2006年
3 王李东;基于支持向量机(SVM)的短期负荷预测的研究[D];华中科技大学;2005年
4 邹铁英;基于粗糙集与支持向量机的电力短期负荷预测研究[D];南昌大学;2008年
5 贺媛媛;基于支持向量机的电力系统短期负荷预测模型研究[D];大连理工大学;2006年
6 龚灯才;基于支持向量机的电力短期负荷预测研究[D];河海大学;2006年
7 刘晨;基于支持向量机的电网负荷预测系统研究[D];河北农业大学;2009年
8 叶淳铮;基于小波变换与支持向量机的电力系统短期负荷预测[D];华北电力大学(河北);2009年
9 关颖;支持向量机在电力系统短期负荷预测中的应用[D];天津大学;2006年
10 黄舒宁;基于数据挖掘技术的短期电力负荷预测[D];华侨大学;2008年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026