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
【摘要】：将支持向量机(Support Vector Machines,SVM)应用于电力系统短期负荷预测已经得到了广泛的研究,取得了很好的预测效果。但以往的支持向量机模型的明显不足是：预测的最大误差相对较大。针对这一问题,本文提出一种包含两个 SVM 新的 SVM 模型以弥补该方面不足。第一个向量机以邻近的同类型日、同时刻样本作：勾训练样本；第二个向量机以历史年度中季节相同、日期类型和时间相似的样本进行训练。最后综合两个 SVM 的预测, 得到最终结果。通过对 EUNITE network 提供的数据进行验证,取得了较好的预测效果。
|
|
|
|
| 1 |
刘华富;支持向量机Mercer核的若干性质[J];北京联合大学学报;2005年01期 |
| 2 |
刘华富;一种快速支持向量机分类算法[J];长沙大学学报;2004年04期 |
| 3 |
桑海峰;王福利;何大阔;张大鹏;;发酵过程中生物量浓度的在线估计[J];东北大学学报(自然科学版);2006年06期 |
| 4 |
王炜,刘悦,李国正,吴耿锋,林命周,马钦忠,赵利飞;中国大陆强震时间序列预测的支持向量机方法[J];地震;2005年04期 |
| 5 |
康重庆,夏清,胡左浩,张伯明;电力市场中预测问题的新内涵[J];电力系统自动化;2004年18期 |
| 6 |
王志勇,郭创新,曹一家;改进范例推理在短期负荷预测中的应用[J];电力系统自动化;2005年12期 |
| 7 |
康重庆,杨高峰,夏清;电力需求的不确定性分析[J];电力系统自动化;2005年17期 |
| 8 |
黎静华;栗然;顾雪平;牛东晓;;网格化的电力系统短期负荷预测的MDRBR模型[J];电力系统自动化;2005年24期 |
| 9 |
张显;王锡凡;;短期电价预测综述[J];电力系统自动化;2006年03期 |
| 10 |
李明;王智灵;杨晓宇;陈宗海;;突变期电力负荷预测方法及其应用[J];电力系统自动化;2006年10期 |
|
|
|
|
|
| 1 |
赵海青,牛东晓;灰色优选组合预测模型及其应用[J];保定师范专科学校学报;2002年02期 |
| 2 |
董景荣;基于因素影响的电力消费预测研究[J];重庆师范学院学报(自然科学版);2000年02期 |
| 3 |
陈亚红,穆钢,段方丽;短期电力负荷预报中几种异常数据的处理[J];东北电力学院学报;2002年02期 |
| 4 |
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 |
| 5 |
程旭,康重庆,夏清,沈瑜;短期负荷预测的综合模型[J];电力系统自动化;2000年09期 |
| 6 |
严华,吴捷,马志强,吴列鑫;模糊集理论在电力系统短期负荷预测中的应用[J];电力系统自动化;2000年11期 |
| 7 |
于渤,于浩;基于随动思想的月度用电量时间序列预测模型[J];电力系统自动化;2000年14期 |
| 8 |
穆钢,侯凯元,杨右虹,惠永杰;一种内蕴误差评价的负荷预报方法[J];电力系统自动化;2001年22期 |
| 9 |
莫维仁,张伯明,孙宏斌,胡子衡;短期负荷综合预测模型的探讨[J];电力系统自动化;2004年01期 |
| 10 |
吴捷,严华;基于自适应最优模糊逻辑系统的短期负荷预测方法[J];电力系统自动化;1999年17期 |
|
手机打开
快捷付款方式
订购知网充值卡
订购热线
帮助中心