CAJ | 학술논문

为提高预测精度和克服支持向量机(SVM)凭经验选择参数的不足,针对小波擅长信号细微特征提取和云遗传算法(CGA)良好的全局寻优能力,构建了以复Morlet小波为核函数、以CGA为参数优化算法的SVM--基于CGA的复Morlet小波SVM (CGA-CMW-SVM).针对短期负荷预测,为降低系统复杂性,克服负荷数据信息不完备、不精确的问题,仅仅利用了负荷的历史数据而不考虑气象和节假日等因素,在分析负荷时间序列混沌特性的基础上,对负荷数据进行相空间重构,并以相空间矢量作为CGA-CMW-SVM的输入,提出了短期负荷预测的新方法.仿真结果表明,该方法平均误差和最大误差小,平均误差在1.340 0%以内,最小误差为1.008 7%.
위제고예측정도화극복지지향량궤(SVM)빙경험선택삼수적불족,침대소파천장신호세미특정제취화운유전산법(CGA)량호적전국심우능력,구건료이복Morlet소파위핵함수、이CGA위삼수우화산법적SVM--기우CGA적복Morlet소파SVM (CGA-CMW-SVM).침대단기부하예측,위강저계통복잡성,극복부하수거신식불완비、불정학적문제,부부이용료부하적역사수거이불고필기상화절가일등인소,재분석부하시간서렬혼돈특성적기출상,대부하수거진행상공간중구,병이상공간시량작위CGA-CMW-SVM적수입,제출료단기부하예측적신방법.방진결과표명,해방법평균오차화최대오차소,평균오차재1.340 0%이내,최소오차위1.008 7%.