计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2012年
33期
207-211
,共5页
孔强%姚建刚%汪梦健%孙谦%毛田%康童
孔彊%姚建剛%汪夢健%孫謙%毛田%康童
공강%요건강%왕몽건%손겸%모전%강동
短期负荷预测%多重核学习%支持向量机%核函数
短期負荷預測%多重覈學習%支持嚮量機%覈函數
단기부하예측%다중핵학습%지지향량궤%핵함수
近年来,支持向量机(SVM)方法在电力系统负荷预测领域的应用研究成为了热点,鉴于传统的标准支持向量机方法在预测时间和预测精度方面的不足,首次将多重核支持向量回归方法(Multiple Kernel Learning,MKL)应用于电力系统短期负荷预测领域.通过在混合核空间求解二次约束下的二次规划问题实现多重核支持向量回归算法.该方法较标准的支持向量回归算法,不仅可以提高预测性能,而且能够减少支持向量的个数.实际算例表明,该方法能够有效地提高预测精度,缩短预测时间,具有良好的泛化性能.
近年來,支持嚮量機(SVM)方法在電力繫統負荷預測領域的應用研究成為瞭熱點,鑒于傳統的標準支持嚮量機方法在預測時間和預測精度方麵的不足,首次將多重覈支持嚮量迴歸方法(Multiple Kernel Learning,MKL)應用于電力繫統短期負荷預測領域.通過在混閤覈空間求解二次約束下的二次規劃問題實現多重覈支持嚮量迴歸算法.該方法較標準的支持嚮量迴歸算法,不僅可以提高預測性能,而且能夠減少支持嚮量的箇數.實際算例錶明,該方法能夠有效地提高預測精度,縮短預測時間,具有良好的汎化性能.
근년래,지지향량궤(SVM)방법재전력계통부하예측영역적응용연구성위료열점,감우전통적표준지지향량궤방법재예측시간화예측정도방면적불족,수차장다중핵지지향량회귀방법(Multiple Kernel Learning,MKL)응용우전력계통단기부하예측영역.통과재혼합핵공간구해이차약속하적이차규화문제실현다중핵지지향량회귀산법.해방법교표준적지지향량회귀산법,불부가이제고예측성능,이차능구감소지지향량적개수.실제산례표명,해방법능구유효지제고예측정도,축단예측시간,구유량호적범화성능.
