基于支持向量机的中短期电力负荷预测

基于支持向量机的中短期电力负荷预测

ID:32468130

大小:1.63 MB

页数:46页

时间:2019-02-06

基于支持向量机的中短期电力负荷预测_第1页
基于支持向量机的中短期电力负荷预测_第2页
基于支持向量机的中短期电力负荷预测_第3页
基于支持向量机的中短期电力负荷预测_第4页
基于支持向量机的中短期电力负荷预测_第5页
资源描述:

《基于支持向量机的中短期电力负荷预测》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、摘要随着电力市场竞争日益激烈,中短期电力负荷预测受到越来越多的关注,并逐渐成为电力市场的一个重要研究领域。本文对支持向量机、粒子群优化等算法做了深入的分析,介绍了数据预处理的方法,并且对负荷数据进行分析,找出了其内在的规律,然后分别由处理前后的负荷数据组成支持向量机的训练样本集,采用序列最小优化算法实现对支持向量机的快速训练,最终得到预测结果,之后又按星期属性分类进行负荷预测,仿真结果表明数据预处理后的预测精度较高,按星期属性分类进行负荷预测所得结果精度更高。关键词:中短期,电力负荷预测,支持向量机,粒子群优化,数据预处理ABSTRACTMediumandsh

2、orttermloadforecastinghasbecomeincreasinglyimportantsincethecompetitionoftheelectricpowermarketismoredrasticandhasgraduallybecomeoneofthemajorareasofresearchinrecentyears.ThispaperintroducedSupportVectorMachine(SVM)andParticleSwarmOptimization(PSO)theories.Thispaperalsointroducedmet

3、hodsofdatapreproeessingandanalyzedthedatatoidentifyitsinternallaws.Afterthatthispapergainedthetrainingdatarespectivelybasedontheoriginalandpre—processeddataandusedSequentialMinimalOptimization(SMO)arithmetictoachievethefasttrainingoftheSupportVectorMachines(SVM).Finallytheloadforeca

4、stingresultWasgained.Thenthispaperdidloadforecastingwiththedatabyclassifiedaccordingtoweekproperty.Thesimulationresultsshowthatwecangethighforecastingaccuracybyusingthepre—processeddataandthehigherforecastingaccuracyalloverthispaperbyclassificationforecastingaccordingtoweekproperty.

5、WangJingxian(ControlTheoryandControlEngineering)DirectedbyAssociateProf.ZhaiYongjieKEYWORDS:mediumandshortterm,electricloadforecasting,supportvectormachine,particleswarmoptimization,datapreprocessin摘要随着电力市场竞争日益激烈,中短期电力负荷预测受到越来越多的关注,并逐渐成为电力市场的一个重要研究领域。本文对支持向量机、粒子群优化等算法做了深入的分析,介绍了数据预处

6、理的方法,并且对负荷数据进行分析,找出了其内在的规律,然后分别由处理前后的负荷数据组成支持向量机的训练样本集,采用序列最小优化算法实现对支持向量机的快速训练,最终得到预测结果,之后又按星期属性分类进行负荷预测,仿真结果表明数据预处理后的预测精度较高,按星期属性分类进行负荷预测所得结果精度更高。关键词:中短期,电力负荷预测,支持向量机,粒子群优化,数据预处理ABSTRACTMediumandshorttermloadforecastinghasbecomeincreasinglyimportantsincethecompetitionoftheelectricp

7、owermarketismoredrasticandhasgraduallybecomeoneofthemajorareasofresearchinrecentyears.ThispaperintroducedSupportVectorMachine(SVM)andParticleSwarmOptimization(PSO)theories.Thispaperalsointroducedmethodsofdatapreprocessingandanalyzedthedatatoidentifyitsinternallaws.Afterthatthispaper

8、gainedthetrainingda

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。