短期负荷预测的模糊聚类多支持向量机模型研究
【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.
|
|
|
|
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 |
11 |
刘叶玲;杜力博;;基于RS-SVM在电力短期负荷预测中的应用[J];科技信息;2009年01期 |
12 |
李鑫滨;张娟;张岩;卢志刚;;基于D-S证据理论的相似日支持向量机短期负荷预测[J];电网技术;2010年07期 |
13 |
张红梅;卫志农;龚灯才;刘玲;;基于粒子群支持向量机的短期电力负荷预测[J];继电器;2006年03期 |
14 |
畅广辉;刘涤尘;熊浩;;基于多分辨率SVM回归估计的短期负荷预测[J];电力系统自动化;2007年09期 |
15 |
穆向阳;张太镒;;多尺度高斯模型的短期负荷预测[J];微电子学与计算机;2008年12期 |
16 |
胡国胜;任震;;基于支持向量机混合模型的短期负荷预测方法[J];高电压技术;2006年04期 |
17 |
李云飞;黄彦全;蒋功连;;基于支持向量机的短期负荷预测的方法改进[J];西华大学学报(自然科学版);2007年02期 |
18 |
张红;张建红;康岩松;;基于GA的改进SVM算法对RBF优化算法在短期负荷预测中的应用[J];长春工程学院学报(自然科学版);2011年02期 |
19 |
辛鹏;赵阳;王忠义;徐兴峰;;基于经验模态分解的短期负荷预测[J];东北电力大学学报(自然科学版);2008年04期 |
20 |
潘锋;程浩忠;;基于RBF核函数的SVM方法在短期电力负荷预测中的应用[J];供用电;2006年01期 |
|