基于模糊最小二乘支持向量机的系统边际电价预测方法 system marginal price forecasting using fuzzy least square support vector machine.pdfVIP

下载本文档

0
0
约1.59万字
约 5页
2017-08-13 发布于上海
举报
版权申诉

基于模糊最小二乘支持向量机的系统边际电价预测方法 system marginal price forecasting using fuzzy least square support vector machine.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

基于模糊最小二乘支持向量机的系统边际电价预测方法 system marginal price forecasting using fuzzy least square support vector machine

第22卷第3期广东电力 V01．22No．3 2009年3月 GUANGDONGELECTRICPOWER Mar．2009 文章编号：1007．290X(2009)03-0023．05 基于模糊最小二乘支持向量机的系统边际电价预测方法蔡振华 (湛江供电局，广东湛江524000) 摘要：提出了基于模糊最小二乘支持向量杌的系统边际电价(systemmarginalprice，SMP)预测方法。为了减少样本数据中孤立点对回归性能的影响，将模糊隶属度的概念引入到最小二乘支持向量机中的同时。采用网格搜索和交叉验证的方法寻找最佳参数组合，使系统边际电价算法性能达到最佳。以美国加州电力市场的实际数据作计算实例，分别采用标准三层BP神经网络和模糊最小二乘支持向量机进行系统边际电价预测，结果表明基于模糊最小二乘支持向量机的系统边际电价预测的方法有效提高了预测精度。关键词：模糊最小二乘支持向量机；系统边际电价；网格搜索；交叉验证中图分类号：TP311．13 文献标志码：A Price Least SystemMarginalForecastingUsingFuzzy Square VectorMachine Support 叫Zhen-hua Power 524000，China) (ZhanjiangSupplyBureau，Zhanjiang，Guangdong methodbasedon least vectormachine(黔SVM)isfor Abstract：A square proposedsystemmarginalprice fuzzy support (SMP)forecast．Theof isintroducedinton。s-SVMtoredlacetheeffectsof dataoutliers conceptfuzzymembership sample on searchandcrOSSvalidationare tosearchthebest and regression adopted parameters performance．Meanwhile，grid enable ofSMP thedataofCalifornia marketforcalculation algorithm．Then electricity optimalperformance taking SMP is H§SVMandthestandardBPneuralnetwork．Theresultsshowthat example，the by 3-layer forecastingperformed the method increasesthe proposedeffectively forecastingprecision． least