电力科学与工程
電力科學與工程
전력과학여공정
INFORMATION ON ELECTRIC POWER
2009年
8期
27-29,44
,共4页
苑津莎%张英慧%牛丽仙%刘献伟
苑津莎%張英慧%牛麗仙%劉獻偉
원진사%장영혜%우려선%류헌위
自组织特征映射%聚类分析%支持向量机%短期负荷预测%核函数
自組織特徵映射%聚類分析%支持嚮量機%短期負荷預測%覈函數
자조직특정영사%취류분석%지지향량궤%단기부하예측%핵함수
提出了一种基于自组织特征映射(SOFM)的聚类分析和支持向量机(SVM)的电力系统短期负荷预测方法.该方法首先利用自组织特征映射网络,通过无监督学习策略对训练样本集进行聚类分析,将其分为若干相似子类,再针对每一子类构造一个支持向量机回归模型;使用基于SVM的回归估计算法建立了回归估计函数表达式,给出了基于SOFM和SVM的网络结构;采用河北省某市的实际负荷数据选择样本进行预测.算例表明该方法能够缩短训练时间,提高预测精度.
提齣瞭一種基于自組織特徵映射(SOFM)的聚類分析和支持嚮量機(SVM)的電力繫統短期負荷預測方法.該方法首先利用自組織特徵映射網絡,通過無鑑督學習策略對訓練樣本集進行聚類分析,將其分為若榦相似子類,再針對每一子類構造一箇支持嚮量機迴歸模型;使用基于SVM的迴歸估計算法建立瞭迴歸估計函數錶達式,給齣瞭基于SOFM和SVM的網絡結構;採用河北省某市的實際負荷數據選擇樣本進行預測.算例錶明該方法能夠縮短訓練時間,提高預測精度.
제출료일충기우자조직특정영사(SOFM)적취류분석화지지향량궤(SVM)적전력계통단기부하예측방법.해방법수선이용자조직특정영사망락,통과무감독학습책략대훈련양본집진행취류분석,장기분위약간상사자류,재침대매일자류구조일개지지향량궤회귀모형;사용기우SVM적회귀고계산법건립료회귀고계함수표체식,급출료기우SOFM화SVM적망락결구;채용하북성모시적실제부하수거선택양본진행예측.산례표명해방법능구축단훈련시간,제고예측정도.
