基于K_Y的用电负荷特征三维回归模型.PDFVIP

第 卷 第 期 计 算 机 工 程 年 月 开发研究与工程应用 文章编号 文献标志码 中图分类号 基于的用电负荷特征三维回归模型 汤 强谢明中罗元盛 长沙理工大学 计算机与通信工程学院长沙 摘 要 针对用电负荷的周期性特点将用电负荷特征学习建模为小时天数负荷数 个维度的回归问题提出一 种基于支持向量回归机的三维回归模型 将支持向量机的核函数设计为多个核函数的线性组合分别进行参数训 练并给出多路径逐步逼近的参数训练算法 仿真结果表明与三层神经网络最小二乘非线性拟合模型相比该 模型具有较好的用电负荷特征学习与预测能力 关键词 用电负荷特征支持向量回归机三维回归模型参数训练算法参数自适应 中文引用格式汤强谢明中罗元盛基于 的用电负荷特征三维回归模型计算机工程 英文引用格式 电负荷的影响 文献 提出了一种针对短期电力 概述 负荷预测的混沌蚁群 算 随着智能电网出现以神经网络支持向量机 法支持向量回归负荷预测模型该模型结合了蚁群 等为代表的非线性预 算法和自组织混沌行为克服了进化算法过早收敛 测工具已被广泛应用于电网负荷预测领域中 由于 和局部最优的问题 文献 提出了基于最小二乘 支持向量机是一种基于核的学习方法有利于降低经验 支持向量机 风险和减小置信范围 因此被众多预测模型所采用 的短期负荷预测模型基于正规化可自动 例如将支持向量回归机 调整的内核参数可实现对预测误差和模型复杂性 用来预测短期的交通流 用于生态旅游经济的 的权衡 文献 提出了一种分层分区的自适应动 预测 用于预测提供给火电厂的煤炭质量 等 在电 力行业模型也得到了普遍应用 态预测模型最上层负荷的预测通过递推最小二乘 文献 提出了一个基于多元负荷的支持向量 支持向量机实现 文献 提出的基于模拟退火的 回归局部负荷预测框架 该框架基于预测的日负荷 支持向量机参数训练方法具有耗时少的优点 文