江苏电机工程
江囌電機工程
강소전궤공정
JIANGSU ELECTRICAL ENGINEERING
2012年
3期
37-38,42
,共3页
电力系统%负荷建模%支持向量机回归%有功负荷%无功负荷
電力繫統%負荷建模%支持嚮量機迴歸%有功負荷%無功負荷
전력계통%부하건모%지지향량궤회귀%유공부하%무공부하
支持向量机(SVM)是当前一种比较流行的学习机,具有良好的理论背景,从结构风险最小化原则出发以快速寻找到全局最优的特点.针对当前负荷建模的不足,提出了运用SVM回归来进行电力系统的非机理负荷建模,并给出了负荷建模的具体步骤.与人工神经网络(ANN)对同一个线路负荷进行建模结果比较表明,基于SVM回归的建模效果优于ANN的建模结果,证明了运用SVM的回归进行电力系统负荷建模的可行性,也为电力系统的负荷建模提供了新的思路和方法.
支持嚮量機(SVM)是噹前一種比較流行的學習機,具有良好的理論揹景,從結構風險最小化原則齣髮以快速尋找到全跼最優的特點.針對噹前負荷建模的不足,提齣瞭運用SVM迴歸來進行電力繫統的非機理負荷建模,併給齣瞭負荷建模的具體步驟.與人工神經網絡(ANN)對同一箇線路負荷進行建模結果比較錶明,基于SVM迴歸的建模效果優于ANN的建模結果,證明瞭運用SVM的迴歸進行電力繫統負荷建模的可行性,也為電力繫統的負荷建模提供瞭新的思路和方法.
지지향량궤(SVM)시당전일충비교류행적학습궤,구유량호적이론배경,종결구풍험최소화원칙출발이쾌속심조도전국최우적특점.침대당전부하건모적불족,제출료운용SVM회귀래진행전력계통적비궤리부하건모,병급출료부하건모적구체보취.여인공신경망락(ANN)대동일개선로부하진행건모결과비교표명,기우SVM회귀적건모효과우우ANN적건모결과,증명료운용SVM적회귀진행전력계통부하건모적가행성,야위전력계통적부하건모제공료신적사로화방법.
