基于svm的组合预测在中长期电力负荷预测中的应用

基于svm的组合预测在中长期电力负荷预测中的应用

ID:34032011

大小:5.17 MB

页数:54页

时间:2019-03-03

基于svm的组合预测在中长期电力负荷预测中的应用_第1页
基于svm的组合预测在中长期电力负荷预测中的应用_第2页
基于svm的组合预测在中长期电力负荷预测中的应用_第3页
基于svm的组合预测在中长期电力负荷预测中的应用_第4页
基于svm的组合预测在中长期电力负荷预测中的应用_第5页
资源描述:

《基于svm的组合预测在中长期电力负荷预测中的应用》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、国内图书分类号:TP399国际图书分类号:621.3硕士学位论文学校代码:10079密级:公开基于SVM的组合预测在中长期电力负荷预测中的应用硕士研究生:导师:申请学位:学科:专业:所在学院:答辩日期:授予学位单位:王飞赵文清副教授工学硕士计算机科学与技术计算机应用技术控制与计算机工程学院2012年3月华北电力大学C1assifiedIndex:TP399U.D.C:621.3ThesisfortheMasterDegreeTheApplicationofCombinationalForecastingBasedonSupportVectorMachineil

2、lMid—-longTermLoadForecastingCandidate:Supel‘、,isor:School:DateofDefence:WangFeiProf.ZhaoWenQingSchoolofControlandComputerEngineeringMarch,2012Degree—Conferring—Institution:NorthChinaElectricPowerUniversity华北电力大学硕士学位论文原创性声明本人郑重声明:此处所提交的硕士学位论文《基于SVM的组合预测在中长期负荷预测中的应用》,是本人在导师指导下,在华北电力大

3、学攻读硕士学位期间独立进行研究工作所取得的成果。据本人所知,论文中除已注明部分外不包含他人已发表或撰写过的研究成果。对本文的研究工作做出重要贡献的个人和集体,均已在文中以明确方式注明。本声明的法律结果将完全由本人承担。作者签名:优'--7飞日期:>1)-n乡月份日华北电力大学硕士学位论文使用授权书《基于SVM的组合预测在中长期负荷预测中的应用》系本人在华北电力大学攻读硕士学位期间在导师指导下完成的硕士学位论文。本论文的研究成果归华北电力大学所有,本论文的研究内容不得以其它单位的名义发表。本人完全了解华北电力大学关于保存、使用学位论文的规定,同意学校保留并向国家

4、有关部门或机构送交论文的复印件和电子版本,同意学校将学位论文的全部或部分内容编入有关数据库进行检索,允许论文被查阅和借阅。本人授权华北电力大学,可以采用影印、缩印或扫描等复制手段保存、可以公布论文的全部或部分内容。本学位论文属于(请在以上相应方框内打“√”):保密口,在年解密后适用本授权书不保密口作者签名:≥]∈日期:砂/)年弓月b目导师签名:拯纠南日期:三hn年≥月忽日+#北IUJJ心’jjltr)!卜“i、t"【≯<摘要电力负荷预测足进行电力系统发电规划的重要依据。准确的负荷颅测有利于提r岛电力系统运行的经济。盹和町靠性。电力系统负荷的大小与多种因素有关,

5、未来负荷与所能利用的影响变量之I创存在复杂的非线性关系。对中长期电力负荷进行预测可为电网规划提供重要依据。支持向量机是一种新的机器学习算法,对于一些诸如小样本、非线性、高维数和局部极小点等实际问题都可以较好的解决。与短期电力负荷数据比起来,中长期电力负荷数据具有小样本的特点。恰好支持向量机处理小样本数据具有其他模型无法比拟的优势,且SVM回归方法具有良好的拟合和外推能力。本文提出一个基于支持向量机的中长期电力负荷组合预测模型及其求解步骤。在预测过程中,首先利用多个币.一预测方法如趋势预测模型,指数模型,非线性回归模型,改进的灰色GM(1,1)模型和改进的灰色V

6、erhujst模型构成预测模型群,对原始电力负荷数捌进行拟合。然后,把预测模型群的拟合结果作为支持向量机回归模型的输入进行:次预测,形成变权重的组合预测。本义埘基于SVM的组合预测过程和参数计算进行了洋细地探讨。通过实例i_】i】:明了本文提}n的组合预测模型能较好地平衡拟合和外推,存某种程度上解决了传统方法拟合优而外推差的问题。此外,通过与多种预测方法进行比较,基于支持向量机的中长期电力负荷组合预测模型的预测精度明显优于单。预测模型和其它的组合预测模型。关键词:支持向量机;中K期电力负荷预测;组合预测;模型群;‘F,ttlU,JJ、。’HII。’H,i治卫A

7、bstractTheforecastingtomid—longtermloadcanprovideimportantevidencetothepowerplanning.TheaccurateloadfbrecastingCallimprovetheeconomicsandreliabilityofpowersystemoperation.Theloadisrelatedwithavarietyoffactors,thcl’eisacomplexnonlinearrelationshipbetweentheloadandthefactors.Theforeca

8、stingtomid—longterm

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。