电力科学与工程
電力科學與工程
전력과학여공정
INFORMATION ON ELECTRIC POWER
2010年
2期
32-35
,共4页
粗糙集%支持向量机%序列最小优化算法%短期负荷预测
粗糙集%支持嚮量機%序列最小優化算法%短期負荷預測
조조집%지지향량궤%서렬최소우화산법%단기부하예측
针对电力系统短期负荷预测中,高维大样本环境下支持向量机算法面临的耗时增大与维数灾问题,将序列最小优化算法(SMO)和粗糙集(RS)理论相结合,提出了一种新的算法——RS-SMO算法.该算法主要是用粗糙集理论进行负荷预测属性的约简,然后用其生成的边界集作为SMO的训练子集,从而使训练集的维数和规模有所减少.采用河北省某市的实际负荷数据进行算例分析,并对RS-SMO和SMO算法的预测结果进行了比较.结果表明,提出的RS-SMO算法有较高的预测精度.
針對電力繫統短期負荷預測中,高維大樣本環境下支持嚮量機算法麵臨的耗時增大與維數災問題,將序列最小優化算法(SMO)和粗糙集(RS)理論相結閤,提齣瞭一種新的算法——RS-SMO算法.該算法主要是用粗糙集理論進行負荷預測屬性的約簡,然後用其生成的邊界集作為SMO的訓練子集,從而使訓練集的維數和規模有所減少.採用河北省某市的實際負荷數據進行算例分析,併對RS-SMO和SMO算法的預測結果進行瞭比較.結果錶明,提齣的RS-SMO算法有較高的預測精度.
침대전력계통단기부하예측중,고유대양본배경하지지향량궤산법면림적모시증대여유수재문제,장서렬최소우화산법(SMO)화조조집(RS)이론상결합,제출료일충신적산법——RS-SMO산법.해산법주요시용조조집이론진행부하예측속성적약간,연후용기생성적변계집작위SMO적훈련자집,종이사훈련집적유수화규모유소감소.채용하북성모시적실제부하수거진행산례분석,병대RS-SMO화SMO산법적예측결과진행료비교.결과표명,제출적RS-SMO산법유교고적예측정도.
