中国电机工程学报
中國電機工程學報
중국전궤공정학보
ZHONGGUO DIANJI GONGCHENG XUEBAO
2006年
22期
17-22
,共6页
负荷预测%支持向量机%高斯核函数%参数选取%泛化性能
負荷預測%支持嚮量機%高斯覈函數%參數選取%汎化性能
부하예측%지지향량궤%고사핵함수%삼수선취%범화성능
讨论了基于支持向量机的电力系统负荷预测模型建模方法.对建立支持向量机模型,通过对模型结构的分析,提出了模型学习参数的选取方法,给出了基于最优方向搜索的高斯核函数参数的优化算法.针对负荷预测模型,对模型的输入变量采用规范化预处理消除了量纲不一致对SVM模型的不利影响,通过对数变换将模型输出的相对误差转化为模型输出的绝对误差,便于模型学习参数的选择.最后采用实际数据对该方法进行了模拟计算,其结果表明该方法可以有效地降低SVM模型的建模误差和测试误差,而且SVM模型比模糊模型和神经网络模型有更好的泛化性能和预测精度.
討論瞭基于支持嚮量機的電力繫統負荷預測模型建模方法.對建立支持嚮量機模型,通過對模型結構的分析,提齣瞭模型學習參數的選取方法,給齣瞭基于最優方嚮搜索的高斯覈函數參數的優化算法.針對負荷預測模型,對模型的輸入變量採用規範化預處理消除瞭量綱不一緻對SVM模型的不利影響,通過對數變換將模型輸齣的相對誤差轉化為模型輸齣的絕對誤差,便于模型學習參數的選擇.最後採用實際數據對該方法進行瞭模擬計算,其結果錶明該方法可以有效地降低SVM模型的建模誤差和測試誤差,而且SVM模型比模糊模型和神經網絡模型有更好的汎化性能和預測精度.
토론료기우지지향량궤적전력계통부하예측모형건모방법.대건립지지향량궤모형,통과대모형결구적분석,제출료모형학습삼수적선취방법,급출료기우최우방향수색적고사핵함수삼수적우화산법.침대부하예측모형,대모형적수입변량채용규범화예처리소제료량강불일치대SVM모형적불리영향,통과대수변환장모형수출적상대오차전화위모형수출적절대오차,편우모형학습삼수적선택.최후채용실제수거대해방법진행료모의계산,기결과표명해방법가이유효지강저SVM모형적건모오차화측시오차,이차SVM모형비모호모형화신경망락모형유경호적범화성능화예측정도.
