期刊文献+

基于最小二乘的支持向量机在电力需求预测中的应用

Application of LS-SVM in Electricity Demand Forecasting
下载PDF
导出
摘要 文章针对常规电力需求预测方法的不足,在分析SVM的线性和非线性分类方法的基础上提出一种基于最小二乘的支持向量机预测方法.LS-SVM模型采用结构风险最小化原则,能够在对小样本学习的基础上,对其他样本快速、准确的拟合预测,具有更好的泛化性能和精度,减少对初始值的依赖.文章采用河北省某市实际的负荷数据,按照不同的负荷日属性和历史数据属性进行样本选择,使用径向基核函数进行了电力需求预测.将预测结果与真实值和由时间序列及BP神经网络方法得到的结论进行比较,表明所提出的预测模型具有较高的精度,是有效和可行的.
出处 《中国管理科学》 CSSCI 2005年第z1期76-80,共5页 Chinese Journal of Management Science
基金 高等学校博士点专项基金(20040079008) 华北电力集团公司软课题(2004-22 KH1360)
  • 相关文献

参考文献9

二级参考文献54

  • 1牛东晓,陈志业.交叉灰色预测法预测发电设备可靠性指标[J].中国电机工程学报,1993,13(4):25-30. 被引量:11
  • 2李林川,夏道止,杨振平,王立成,邓永辉,张莉芳,董彬.应用人工神经网络进行短期负荷预测[J].电力系统及其自动化学报,1994,6(3):33-41. 被引量:24
  • 3陈志业,牛东晓,张英怀,谢宏,齐喜全.电网短期电力负荷预测系统的研究[J].中国电机工程学报,1995,15(1):30-35. 被引量:35
  • 4边肇祺.模式识别[M].北京:清华大学出版社,1998..
  • 5.GB7252-87.变压器油中溶解气体分析和判断导则[S].,..
  • 6魏海坤 徐嗣鑫 宋文忠 等(Wei Haikun Xu Sixin Song Wenzhong etal).最小RBF网设计的进化优选算法及其在动力配煤过程状态预测建模中的应用[J]..
  • 7[1]T. Masters ,Neural,Novel& Hybird Algorithms for Tim Series Pre-diction[M], John Wiley & Sons. Inc., 1995.
  • 8[2]A. D. Papalexopoulos and T. C. Hesterberg , A regression based approach to short term system load forecasting[C], Proceedings of 1989 PICA Conference , 1989:414-423,
  • 9[3]K. L. Ho , Y. Y. Hsu , C. F. Chen , T. E. Lee , C. C. Liang , T . S. Lai , and K. K. Chen , Short term load foreasting of Taiwan power system using a knowledge-based expert system[J], IEEE Tans.on Power Systems , 1990,5(4):1214-1221.
  • 10[4]A.M. Lanchlan , An improved novelty criterion for resource allocating networks[C] , IEE ,Artifical Neural Networks , Conference Publication , 1997:440:48-52

共引文献587

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部