基于智能優(yōu)化SVM的短期負(fù)荷預(yù)測(cè)及誤差修正模型研究.pdf_第1頁(yè)
已閱讀1頁(yè)，還剩65頁(yè)未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、短期電力負(fù)荷預(yù)測(cè)研究工作,對(duì)電網(wǎng)調(diào)度及用電管理具有重要的學(xué)術(shù)價(jià)值和實(shí)際應(yīng)用價(jià)值。本文建立了基于動(dòng)態(tài)慣性粒子群優(yōu)化最小二乘支持向量機(jī)的混合短期負(fù)荷預(yù)測(cè)模型,以保定供電公司的歷史負(fù)荷數(shù)據(jù)為基礎(chǔ),在總結(jié)現(xiàn)有理論成果的基礎(chǔ)上主要對(duì)支持向量機(jī)的訓(xùn)練算法、參數(shù)選取、核函數(shù)的構(gòu)造、短期負(fù)荷特性以及誤差預(yù)測(cè)模型進(jìn)行研究,選擇RBF核函數(shù)作為最小二乘支持向量機(jī)的核函數(shù),并選用動(dòng)態(tài)慣性粒子群優(yōu)化算法對(duì)支持向量機(jī)的核參數(shù)和正則化參數(shù)進(jìn)行尋優(yōu)。提出了以動(dòng)態(tài)慣性

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論