支持向量機在電力系統(tǒng)短期負荷預測中的應用.pdf_第1頁
已閱讀1頁,還剩76頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明: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,請進行舉報或認領

文檔簡介

1、電力系統(tǒng)短期負荷預測是電力系統(tǒng)安全和經(jīng)濟運行的重要依據(jù).價格競爭機制引入電力系統(tǒng)形成電力市場后,對短期負荷預測的精度和速度提出了更高的要求.雖然負荷預測的研究己有幾十年歷史,有很多負荷預測的理論和方法,但是隨著新理論和新技術的發(fā)展,對負荷預測新方法的研究仍在不斷地深入進行.支持向量機作為數(shù)據(jù)挖掘的一項新技術,應用于模式識別和處理回歸問題等諸多領域.本文利用支持向量機優(yōu)越的非線性學習及預測性能,針對短期負荷預測的各種影響因素的非線性特性,

2、提出基于支持向量機的電力系統(tǒng)短期負荷預測新方法,以提高預測精度和時效性,該研究具有重要的理論意義和實用價值. 本文分析了支持向量機的基本原理,支持向量機具有非線性擬合、泛化能力強、訓練收斂速度快等顯著特點.針對電力系統(tǒng)負荷與各種影響因素之間的非線性關系,本文建立了基于支持向量機的短期負荷預測模型,并與神經(jīng)網(wǎng)絡方法作了實例分析比較,結果表明基于支持向量機的負荷預測精度和速度要優(yōu)于神經(jīng)網(wǎng)絡方法. 由于影響負荷的因素繁多且復雜

3、,若對輸入不加適當選擇處理會導致預測精度降低,訓練時間增加.本文采用一種有效的負荷聚類分析處理技術,并將聚類算法與支持向量機相結合,首次提出了聯(lián)合FCM模糊聚類算法和支持向量機的短期負荷預測新方法.該方法考慮到負荷變化的周期性特點,應用模糊聚類分析的基本原理,依據(jù)輸入樣本的相似度選取訓練樣本,即選用同類特征數(shù)據(jù)作為預測輸入,保證了數(shù)據(jù)特征的一致性,強化了歷史數(shù)據(jù)規(guī)律.在基于支持向量機負荷預測的基礎上,對樣本進行模糊聚類分析,選取與預測樣

溫馨提示

  • 1. 本站所有資源如無特殊說明,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,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論