计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2014年
z1期
91-93,117
,共4页
电力系统负荷预测%短期电力负荷预测%支持向量机%遗传算法优化
電力繫統負荷預測%短期電力負荷預測%支持嚮量機%遺傳算法優化
전력계통부하예측%단기전력부하예측%지지향량궤%유전산법우화
Power system load forecasting%Short-term load forecasting%Support vector machine%Genetic algorithm optimization
提出一种基于支持向量机(SVM)技术和遗传算法优化技术(GA)的电力系统短期负荷预测算法.以历史数据、气象因素和日历因素等作为输入,建立预测模型,对未来1个小时的电力负荷值进行预测.该模型采用结构风险最小化原则替代传统的经验风险最小化,以充分提炼出原始数据和其它数据的一些信息,并采用遗传算法对支持向量机中的参数进行优化来提高预测模型的预测能力和训练速度,并具有良好的泛化能力.实验表明,使用上述方法进行短期电力负荷预测,具有良好的有效性和可行性,与BP网络法预测的结果相比具有更好的精度和较强的鲁棒性.
提齣一種基于支持嚮量機(SVM)技術和遺傳算法優化技術(GA)的電力繫統短期負荷預測算法.以歷史數據、氣象因素和日歷因素等作為輸入,建立預測模型,對未來1箇小時的電力負荷值進行預測.該模型採用結構風險最小化原則替代傳統的經驗風險最小化,以充分提煉齣原始數據和其它數據的一些信息,併採用遺傳算法對支持嚮量機中的參數進行優化來提高預測模型的預測能力和訓練速度,併具有良好的汎化能力.實驗錶明,使用上述方法進行短期電力負荷預測,具有良好的有效性和可行性,與BP網絡法預測的結果相比具有更好的精度和較彊的魯棒性.
제출일충기우지지향량궤(SVM)기술화유전산법우화기술(GA)적전력계통단기부하예측산법.이역사수거、기상인소화일력인소등작위수입,건립예측모형,대미래1개소시적전력부하치진행예측.해모형채용결구풍험최소화원칙체대전통적경험풍험최소화,이충분제련출원시수거화기타수거적일사신식,병채용유전산법대지지향량궤중적삼수진행우화래제고예측모형적예측능력화훈련속도,병구유량호적범화능력.실험표명,사용상술방법진행단기전력부하예측,구유량호적유효성화가행성,여BP망락법예측적결과상비구유경호적정도화교강적로봉성.
