中国电力
中國電力
중국전력
ELECTRIC POWER
2015年
2期
45-48,89
,共5页
赵慧材%陈跃辉%陈瑞先%彭子扬
趙慧材%陳躍輝%陳瑞先%彭子颺
조혜재%진약휘%진서선%팽자양
电力系统%短期负荷预测%模糊粗糙集%属性约简%隶属函数%输入变量选择%支持向量机%非线性回归
電力繫統%短期負荷預測%模糊粗糙集%屬性約簡%隸屬函數%輸入變量選擇%支持嚮量機%非線性迴歸
전력계통%단기부하예측%모호조조집%속성약간%대속함수%수입변량선택%지지향량궤%비선성회귀
power system%short-term load forecasting%fuzzy rough set%attribute reduction algorithm%membership function%input variable selection%support vector machine%nonlinear regression
针对支持向量机(support vector machine,SVM)负荷预测方法中存在冗余信息、数据量过大而导致的训练时间过长、速度变慢等缺陷,利用模糊粗糙集(Fuzzy Rough Sets,FRS)能有效地处理不精确或不完备知识及冗余信息的特点,提出了一种结合FRS和SVM的短期负荷预测模型,将FRS理论中的属性约简算法用于解决电力负荷中众多影响因素的信息膨胀问题,采用属性约简算法剔除与决策信息不相关的因素,将约简后的因素作为SVM的输入,并采用SVM回归算法预测短期负荷.算例仿真表明,该预测模型可保证预测精度,加快计算速度.
針對支持嚮量機(support vector machine,SVM)負荷預測方法中存在冗餘信息、數據量過大而導緻的訓練時間過長、速度變慢等缺陷,利用模糊粗糙集(Fuzzy Rough Sets,FRS)能有效地處理不精確或不完備知識及冗餘信息的特點,提齣瞭一種結閤FRS和SVM的短期負荷預測模型,將FRS理論中的屬性約簡算法用于解決電力負荷中衆多影響因素的信息膨脹問題,採用屬性約簡算法剔除與決策信息不相關的因素,將約簡後的因素作為SVM的輸入,併採用SVM迴歸算法預測短期負荷.算例倣真錶明,該預測模型可保證預測精度,加快計算速度.
침대지지향량궤(support vector machine,SVM)부하예측방법중존재용여신식、수거량과대이도치적훈련시간과장、속도변만등결함,이용모호조조집(Fuzzy Rough Sets,FRS)능유효지처리불정학혹불완비지식급용여신식적특점,제출료일충결합FRS화SVM적단기부하예측모형,장FRS이론중적속성약간산법용우해결전력부하중음다영향인소적신식팽창문제,채용속성약간산법척제여결책신식불상관적인소,장약간후적인소작위SVM적수입,병채용SVM회귀산법예측단기부하.산례방진표명,해예측모형가보증예측정도,가쾌계산속도.
