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...

应用小波变换和支持向量机的商业电力负荷预测

DOI: 10.11830/ISSN.1000-5013.2015.02.0142, PP. 142-146

Keywords: 商业电力,负荷预测,支持向量机,小波分解,节能,数据采集系统,粒子群算法

Full-Text   Cite this paper   Add to My Lib

Abstract:

提出一种基于小波分解和支持向量机相结合的模型,将其应用于预测商业建筑电力负荷.首先,基于商业建筑配电系统的数据采集系统实时监测数据,分析商业负荷用电特性,指出商业负荷的随机特性造成单一预测模型精度难以满足要求.其次,提出了一种基于小波分解和粒子群支持向量机的商业电力负荷预测算法.通过小波变换把负荷序列分解为不同频段的子序列,再对这些子序列分别采用不同的粒子群支持向量机模型进行预测,引入粒子群算法对支持向量机模型参数进行寻优.最后,将各分量预测值重构得到最终预测值.实验结果证明:小波分解后和粒子群支持向量机相结合的模型精度明显优于单一支持向量机模型.

References

[1]  DONG Bing,CAO Cheng,LEE S E.Applying support vector machines to predict building energy consumption in tropical region[J].Energy and Buildings,2005,37(5):545-553.
[2]  KISSOCK J K.A methodology to measure retrofit energy savings in commercial buildings[D].Texas:Texas A and M University,1993:32-57.
[3]  DHAR A,REDDY T A,CLARIDGE D E.A fourier series model to predict hourly heating and cooling energy use in commercial buildings with outdoor temperature as the only weather variable[J].Journal of Solar Energy Engineering,1999,121(1):47-53.
[4]  DONG B,LEE S E,SAPAR M H.A holistic utility bill analysis method for baselining whole commercial building energy consumption in Singapore[J].Energy and Building,2005,37(2):167-174.
[5]  GUILLERMO E.New artificial neural network prediction method for electrical consumption forecasting based on building end-uses[J].Energy and Building,2011,43(11):3112-3119.
[6]  方瑞明.支持向量机理论及其应用分析[M].北京:中国电力出版社,2007:15-19.
[7]  曾?炜,徐知海,吴键.基于粒子群优化和支持向量机的电力负荷预测[J].微电子与计算机,2001,28(1):147-153.
[8]  王红瑞,刘晓红,唐奇,等.基于小波变换的支持向量机水文过程预测[J].清华大学学报:自然科学版,2010,50(9):1378-1381.
[9]  张华,郁永静,冯志军.基于小波分解与支持向量机的风速预测模型[J].水利发电学报,2012,31(1):208-212.
[10]  韩勇,李红梅.基于小波分解的支持向量机母线负荷预测[J].电力自动化设备,2012,32(4):88-91.
[11]  李元诚,方廷健,郑国祥.短期电力负荷预测的小波支持向量机方法研究[J].中国科学技术大学学报,2003,33(6):726-732.
[12]  梁颖,方瑞明.基于SCADA和支持向量回归的风电机组状态在线评估方法[J].电力系统自动化,2013,37(14):8-12.
[13]  付宝英,王启志.自适应粒子群优化BP神经网络的变压器故障诊断[J].华侨大学学报:自然科学版,2013,34(3):262-266.
[14]  路志英,李艳英,陆洁,等.粒子群算法优化RBF-SVM沙尘暴预报模型参数[J].天津大学学报:学报自然科学版,2008,41(4):413-418.

Full-Text

Contact Us

service@oalib.com

QQ:3279437679

WhatsApp +8615387084133