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
14期
26-32
,共7页
最小二乘支持向量机%自适应粒子群优化%自回归滑动平均%误差修正
最小二乘支持嚮量機%自適應粒子群優化%自迴歸滑動平均%誤差脩正
최소이승지지향량궤%자괄응입자군우화%자회귀활동평균%오차수정
利用最小二乘支持向量机( LS-SVM)进行短期负荷预测的精度及其泛化性能很大程度上取决于其参数选择.对于支持向量机中的核参数和惩罚系数C采用基于适应度函数惯性权重自适应调整的粒子群优化算法进行选择.在对LS-SVM回归模型参数优化的基础上,建立自回归滑动平均(ARMA)误差预测模型来修正负荷预测结果从而提高预测精度.选择某地区夏季96点负荷数据作为训练样本和测试样本进行分析,并且选择SVM模型进行对比,实验结果表明,同标准的SVM回归模型相比,APSO-ARMA-SVM负荷预测模型能明显改善预测精度,能够推广到电价预测等其他预测领域.
利用最小二乘支持嚮量機( LS-SVM)進行短期負荷預測的精度及其汎化性能很大程度上取決于其參數選擇.對于支持嚮量機中的覈參數和懲罰繫數C採用基于適應度函數慣性權重自適應調整的粒子群優化算法進行選擇.在對LS-SVM迴歸模型參數優化的基礎上,建立自迴歸滑動平均(ARMA)誤差預測模型來脩正負荷預測結果從而提高預測精度.選擇某地區夏季96點負荷數據作為訓練樣本和測試樣本進行分析,併且選擇SVM模型進行對比,實驗結果錶明,同標準的SVM迴歸模型相比,APSO-ARMA-SVM負荷預測模型能明顯改善預測精度,能夠推廣到電價預測等其他預測領域.
이용최소이승지지향량궤( LS-SVM)진행단기부하예측적정도급기범화성능흔대정도상취결우기삼수선택.대우지지향량궤중적핵삼수화징벌계수C채용기우괄응도함수관성권중자괄응조정적입자군우화산법진행선택.재대LS-SVM회귀모형삼수우화적기출상,건립자회귀활동평균(ARMA)오차예측모형래수정부하예측결과종이제고예측정도.선택모지구하계96점부하수거작위훈련양본화측시양본진행분석,병차선택SVM모형진행대비,실험결과표명,동표준적SVM회귀모형상비,APSO-ARMA-SVM부하예측모형능명현개선예측정도,능구추엄도전개예측등기타예측영역.
