电力系统保护与控制
電力繫統保護與控製
전력계통보호여공제
POWER SYSTM PROTECTION AND CONTROL
2011年
10期
97-103,125
,共8页
蒋强%肖建%王万岗%何都益%蒋伟
蔣彊%肖建%王萬崗%何都益%蔣偉
장강%초건%왕만강%하도익%장위
智能电网%负荷预测%ELS-SVM%PSO%自适应滤波器
智能電網%負荷預測%ELS-SVM%PSO%自適應濾波器
지능전망%부하예측%ELS-SVM%PSO%자괄응려파기
准确地实现小时负荷预测是实施优化控制和动态安全分析的前提.采用嵌入维最小二乘支持向量机(ELS-SVM)的方法进行建模和预测,对影响负荷的因素进行模糊化处理.采用了粒子群(PSO)优化算法解决ELS-SVM学习过程中多参数难以调整的问题.提出分段小批量学习和更新的在线学习方法,既降低了运算量又能有效地避免积累误差,从而提高预测精度.实验结果表明,该方法有效地将预测精度从2.1%提高到了1.29%.
準確地實現小時負荷預測是實施優化控製和動態安全分析的前提.採用嵌入維最小二乘支持嚮量機(ELS-SVM)的方法進行建模和預測,對影響負荷的因素進行模糊化處理.採用瞭粒子群(PSO)優化算法解決ELS-SVM學習過程中多參數難以調整的問題.提齣分段小批量學習和更新的在線學習方法,既降低瞭運算量又能有效地避免積纍誤差,從而提高預測精度.實驗結果錶明,該方法有效地將預測精度從2.1%提高到瞭1.29%.
준학지실현소시부하예측시실시우화공제화동태안전분석적전제.채용감입유최소이승지지향량궤(ELS-SVM)적방법진행건모화예측,대영향부하적인소진행모호화처리.채용료입자군(PSO)우화산법해결ELS-SVM학습과정중다삼수난이조정적문제.제출분단소비량학습화경신적재선학습방법,기강저료운산량우능유효지피면적루오차,종이제고예측정도.실험결과표명,해방법유효지장예측정도종2.1%제고도료1.29%.
