优化组合核函数相关向量机电力负荷预测模型 Relevance vector machine based on particle swarm optimization of compounding kernels in electricity load forecasting.pdfVIP

下载本文档

10
0
约2.19万字
约 6页
2017-08-02 发布于上海
举报
版权申诉

优化组合核函数相关向量机电力负荷预测模型 Relevance vector machine based on particle swarm optimization of compounding kernels in electricity load forecasting.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第14卷第6期电机与控制学报 VoL14No．6 2010年6月 ELECTRIC MACHINESANDCONTROL June2010 优化组合核函数相关向量机电力负荷预测模型段青1，赵建国2，马艳3 (1．山东大学电气工程学院，山东济南250061；2．国家电网技术学院，山东济南250002； 3．国核电力规划设计研究院，北京100094) 摘要：在单一核函数相关向量机模型的基础上，构建高斯核函数分别与多项式核函数和张量积线性样条核函数进行线性组合的多种组合核函数相关向量机中期电力负荷预测模型，并利用粒子群优化算法对组合核函数的各参数进行优化选择。以2001年组织的国际电力负荷预测竞赛提供的公开数据为训练和测试样本，分别对多种核函数相关向量机中期电力负荷预测模型进行仿真预测计算。结果显示，虽然各模型都取得了较好的预测精确度，但是基于组合核函数的相关向量机在各项评价指标上都优于基于单一核函数的相关向量机。还利用相关向量机的概率预测优势得到了其他模式识别模型无法得到的预测误差范围。关键词：负荷预测；稀疏贝叶斯学习；相关向量机；组合核函数；粒子群优化 715 文献标志码：A 中图分类号：TM 文章编号：1007—449X(2010)06—0033-06 Relevancevectormachinebasedon swarm particle optimization of kernelsin load compoundingelectricityforecasting DUAN Yan3 Qin91，ZHAOJian．gu02，MA ofElectrical GridofChina (1．School University，Jinan250061，China；2．StateTechnologyCollege， EngineeringShandong Jinan NuclearElectricPower Institute，Beijing100094，China) 250002．China；3．State PlanningDesignResearch Oilthe kernelfunctionrelevancevector constructsmulti· Abstract：Based machine(RVM)models，it single models．TheRVM’skernelfunctionswere Gauss- plemiddle—time—load—forecasting linearlycompoundedby iankernelwith kernelandtensor the polynomial productsplinekernel，andcompoundingkernels’parame· tersale of swarlll the and testingsample optimizedbyalgorit