期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
基于RBF核函数的SVM方法在短期电力负荷预测中的应用
被引量:
10
下载PDF
职称材料
导出
摘要
介绍了支持向量机(SVM)方法及其在电力系统短期负荷预测中的应用。SVM以统计学习理论为理论基础,采用结构最小化(SRM)原则,具有收敛速度快、全局最优等优点。选取RBF函数作为核函数,实际算例表明,预测精度优于时间序列及BP神经网络等方法。
作者
潘锋
程浩忠
机构地区
上海市电力公司闵行供电分公司
上海交通大学电气工程系
出处
《供用电》
2006年第1期16-18,共3页
Distribution & Utilization
关键词
支持向量机
电力系统
短期负荷预测
结构风险最小化原则
核函数
分类号
TM714 [电气工程—电力系统及自动化]
引文网络
相关文献
节点文献
二级参考文献
0
参考文献
3
共引文献
0
同被引文献
87
引证文献
10
二级引证文献
96
参考文献
3
1
Vapnik. V N. the nature of statsitlcal learning theory[M]. New York: Springer. 1995.
2
Vapnik. V N. An overview of statistical learning theory. IEEE Trans. Neural Networks. 1999, 10(5):988-999.
3
Corts C, Vapnik V. Support Vector Networks. Machine Learning. 1995(20):273-297.
同被引文献
87
1
王晓红,吴德会.
基于WLS-SVM回归模型的电力负荷预测[J]
.微计算机信息,2008,24(4):312-314.
被引量:10
2
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(1):181-182.
被引量:2
3
张步涵,刘小华,万建平,刘沛,程时杰.
基于混沌时间序列的负荷预测及其关键问题分析[J]
.电网技术,2004,28(13):32-35.
被引量:46
4
康重庆,夏清,张伯明.
电力系统负荷预测研究综述与发展方向的探讨[J]
.电力系统自动化,2004,28(17):1-11.
被引量:496
5
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,2004,28(21):39-42.
被引量:51
6
张林,刘先珊,阴和俊.
基于时间序列的支持向量机在负荷预测中的应用[J]
.电网技术,2004,28(19):38-41.
被引量:37
7
刘遵雄,钟化兰,张德运.
最小二乘支持向量机的短期负荷多尺度预测模型[J]
.西安交通大学学报,2005,39(6):620-623.
被引量:16
8
朱志勇,林睦纲,张深基.
基于小波变换与支持向量机的短期电力负荷预测[J]
.微计算机应用,2005,26(4):440-442.
被引量:4
9
杨延西,刘丁.
基于小波变换和最小二乘支持向量机的短期电力负荷预测[J]
.电网技术,2005,29(13):60-64.
被引量:85
10
高荣,刘晓华.
基于支持向量机的短期负荷预测[J]
.烟台师范学院学报(自然科学版),2005,21(4):262-265.
被引量:1
引证文献
10
1
高峰,陆欣,王强.
SVM方法在武器装备综合论证中的应用[J]
.装备指挥技术学院学报,2007,18(4):97-101.
2
潘锋,储琳琳,张宇俊.
考虑气象因素的SVM方法在短期电力负荷预测中的应用[J]
.华东电力,2007,35(11):86-89.
被引量:7
3
杜影双,寒枫,崔克彬,张书茂.
基于BKF-SVM电力短期负荷预测[J]
.微计算机信息,2009(27):48-49.
4
刘广迎,李翔.
基于SVM模型的中国电力需求预测[J]
.制造业自动化,2010,32(3):159-162.
被引量:3
5
郑勋烨,黄晶晶.
基于支持向量回归机的交通状态短时预测和北京某区域实例分析[J]
.数学的实践与认识,2010,40(10):76-85.
被引量:4
6
王奔,冷北雪,张喜海,单翀皞,从振.
支持向量机在短期负荷预测中的应用概况[J]
.电力系统及其自动化学报,2011,23(4):115-121.
被引量:53
7
刘起铭,加玛力汗.库马什,华东,李鹏飞.
基于支持向量机的负荷预测分析[J]
.电气技术,2013,14(5):34-36.
被引量:4
8
黄元生,李孝宇.
基于序列最小化算法的周负荷预测研究[J]
.山东电力高等专科学校学报,2013,16(4):22-23.
被引量:1
9
李元,谢小秋,谢永亮.
应急任务时基于PPSVM的应急军械物资分级研究[J]
.舰船电子工程,2014,34(9):123-125.
被引量:2
10
霍娟,孙晓伟,张明杰.
电力负荷预测算法比较-随机森林与支持向量机[J]
.电力系统及其自动化学报,2019,31(7):129-134.
被引量:22
二级引证文献
96
1
梁宏涛,刘红菊,李静,王莹,郭超男.
基于机器学习的短期负荷预测算法综述[J]
.计算机系统应用,2022,31(10):25-35.
被引量:9
2
张亚涛,赵红,武红波,郭志红.
电力自动气象站集成网络系统设计与实现[J]
.电力系统保护与控制,2008,36(24):79-82.
被引量:1
3
从荣刚,张燕琳,赵亚楠.
基于SVM模型的山东省电力需求预测[J]
.能源技术经济,2011,23(3):40-45.
被引量:4
4
刘德玲.
基于SVM的丙烯酰胺均相聚合预测[J]
.计算机与数字工程,2011,39(4):56-58.
5
张清叶,段振辉.
玻璃熔窑大碹横向膨胀率的支持向量回归预测[J]
.玻璃,2011,38(12):18-22.
6
沙宇恒,潘晓英,张小庆,宋晓林.
基于族群进化计算的多项式回归电力负荷预测[J]
.陕西电力,2012,40(2):27-31.
被引量:2
7
徐静,陈正洪,唐俊,李芬.
建筑光伏并网发电系统的发电量预测初探[J]
.电力系统保护与控制,2012,40(18):81-85.
被引量:6
8
牛庆松,程如同,李彬,石庆喜,亓富军.
基于SD-SVM的负荷预测研究与应用[J]
.华北电力技术,2012(11):21-26.
被引量:1
9
周云龙,张全厚,辛凯.
利用锥形孔板测量气液二相流量[J]
.化学工程,2012,40(12):65-69.
10
牛东晓,魏亚楠.
基于FHNN相似日聚类自适应权重的短期电力负荷组合预测[J]
.电力系统自动化,2013,37(3):54-57.
被引量:40
1
潘锋,汪利华,张敏华.
支持向量机算法应用于短期电力负荷预测[J]
.电气应用,2009(14):82-85.
被引量:2
2
季超超,吕文静,王凌峰.
基于支持向量机的变压器故障诊断[J]
.通信电源技术,2016,33(5):92-94.
被引量:3
3
朱玲明,王志坤.
PSO-LSSVM的电力负荷预测研究[J]
.科技广场,2014(2):11-15.
被引量:1
4
冯光畅.
基于SVM的火电机组性能在线计算模型研究[J]
.现代电力,2008,25(2):68-71.
被引量:1
5
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,2003,23(6):55-59.
被引量:277
6
孟永庆,刘正,苏彦民.
新型三电平逆变器SVM方法的研究[J]
.电气传动,2005,35(7):35-38.
被引量:3
7
唐彬,马颖,崔岩,刘素梅.
基于SVM的光伏最大功率跟踪的预测研究[J]
.西安工业大学学报,2007,27(4):371-375.
被引量:5
8
潘锋,储琳琳,张宇俊.
考虑气象因素的SVM方法在短期电力负荷预测中的应用[J]
.华东电力,2007,35(11):86-89.
被引量:7
9
张林,刘先珊,阴和俊.
基于时间序列的支持向量机在负荷预测中的应用[J]
.电网技术,2004,28(19):38-41.
被引量:37
10
姜恩宇,季亮,夏能弘,米阳,邓玮璍.
基于支持向量机的光伏发电功率预测[J]
.上海电力学院学报,2015,31(6):511-513.
被引量:8
供用电
2006年 第1期
职称评审材料打包下载
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...
;
用户登录
登录
IP登录
使用帮助
返回顶部