全部 标题 作者
关键词 摘要

OALib Journal期刊
ISSN: 2333-9721
费用:99美元

查看量下载量

相关文章

更多...

集成RS和SVR的电力系统短期负荷预测方法

DOI: 10.3969/j.issn.1000-5013.2007.03.008

Keywords: 电力系统, 训练样本, 短期负荷预测, 粗糙集, 支持向量回归

Full-Text   Cite this paper   Add to My Lib

Abstract:

基于粗糙集(RS)理论和支持向量回归(SVR)方法,提出一种电力系统短期负荷预测方法.采用粗糙集理论对影响负荷预测的各因素进行约简,将约简后得到的最小条件属性集,以此确定输入样本的维数并构造训练样本,作为支持向量回归机的输入进行训练预测.在此基础上,利用已知历史负荷数据构造训练样本群,作为SVR的输入进行训练,采用训练完毕后的SVR模型进行负荷预测.实验结果表明,与神经网络方法和标准SVR方法相比,集成粗糙集和支持向量回归的负荷预测方法,可以在缩短训练时间的前提下获得较高的预测精度.

References

[1]  康重庆, 白利超, 夏清. 电力市场中发电商的风险决策 [J]. 中国电机工程学报, 2004(8):1-6.doi:10.3321/j.issn:0258-8013.2004.08.001.
[2]  PAPALEXOPOULOS A D, HESTERBERG T C. A regression-based approach to short-term load forecasting [J]. IEEE Transactions on Power Systems, 1990(4):1535-1550.
[3]  赵宏伟, 任震, 黄雯莹. 基于周期自回归模型的短期负荷预测 [J]. 中国电机工程学报, 1997(5):348-351.
[4]  SPYROS T, ELPIDA T. Computational intelligence techniques for short-term electric load forecasting [J]. Journal of Intelligent and Robotic Systems, 2001.7-68.
[5]  MOHAMED M. Support vector machines for short-term electrical load forecasting [J]. International Journal of Energy Research, 2002.335-345.
[6]  王珏, 王任, 苗夺谦. 基于Rough Set理论的数据浓缩 [J]. 计算机学报, 1998(5):393-400.doi:10.3321/j.issn:0254-4164.1998.05.002.
[7]  赵荣泳, 张浩, 李翠玲. 粗糙集连续属性离散化模型研究与应用要点分析 [J]. 计算机工程与应用, 2005(8):40-42.doi:10.3321/j.issn:1002-8331.2005.08.013.
[8]  HAIDA T, MUTO S. Regression based peak load forecasting using a transformation technique [J]. IEEE Transactions on Power Systems, 1994(4):1788-1794.doi:10.1109/59.331433.
[9]  INFIELD D G, HILL D C. Optimal smoothing for trend removal in short term electricity demand forecasting [J]. IEEE Transactions on Power Systems, 1998(3):1115-1120.doi:10.1109/59.709108.
[10]  VAPNIK V N. The nature of statistical learning theory [M]. New York:Springer-Verlag, 2000.
[11]  李元诚, 方廷健, 于尔铿. 短期负荷预测的支持向量机方法研究 [J]. 中国电机工程学报, 2003(5):55-59.doi:10.3321/j.issn:0258-8013.2003.06.011.
[12]  王国胤. Rough集理论与知识获取 [M]. 西安:西安交通大学出版社, 2001.
[13]  谢宏, 程浩忠, 张国立. 基于粗糙集理论建立短期电力负荷神经网络预测模型 [J]. 中国电机工程学报, 2003, (11):1-4.doi:10.3321/j.issn:0258-8013.2003.11.001.

Full-Text

Contact Us

service@oalib.com

QQ:3279437679

WhatsApp +8615387084133