搜索
基于支持向量机的电力系统短期负荷预测模型研究作者：贺媛媛学位授予单位：大连理工大学参考文献(49条)1.牛东晓.曹树华.赵磊.张文文电力负荷预测技术及其应用19982.肖国泉.王春.张福伟电力负荷预测20013.陆光.张黎.何丽欣电力负荷预测的设计方案[期刊论文]-电站系统工程2004(6)4.张峰电力负荷管理技术20055.荣雅君.殷桂粱.陈宝国电力系统中长期负荷预测的灰色动态模型研究2001(04)6.李永霞.苏瑞文影响电力系统负荷预测的因素1995(04)7.KimH.YasuhiroH.NaraKAnalgorithmforthermalunitmaintenanceschedulingthroughcombineduseofGASAandTS1997(01)8.BunnDWForecastingloadsandpricesincompetitivepowerMarkets2000(02)9.鞠平.姜巍.赵夏阳.王俊锴.张世学.刘琰96点短期负荷预测方法及其应用[期刊论文]-电力系统自动化2001(22)10.刘晨辉电力系统负荷预报理论和方法198711.赵希正中国电力负荷特性分析与预测200212.叶瑰昀.罗耀华.刘勇.金鸿章基于ARMA模型的电力系统负荷预测方法研究[期刊论文]-信息技术2002(6)13.徐国祥统计预测和决策200214.周宏.黄婷.戴韧.陈康民应用于电力需求预测的几种灰色模型[期刊论文]-华东电力2000(5)15.李鹰.赵振江.吴松涛灰色模型在普通日短期电力负荷预测中的应用[期刊论文]-长沙电力学院学报(自然科学版)2003(1)16.MomohJA.MaXWOverviewandliteraturesurveyoffuzzysettheoryinPowerSystems1995(03)17.孙洪波模糊理论在电力负荷预测中的应用[期刊论文]-重庆大学学报(自然科学版)1994(1)18.彭玉华小波变换与工程应用199919.谢宏.陈志业.牛东晓.赵磊基于小波分解与气象因素影响的电力系统日负荷预测模型研究[期刊论文]-中国电机工程学报2001(5)20.韩民晓RBF神经网络在电力负荷预测中的应用[期刊论文]-华北电力学院学报1994(4)21.LeeKY.ChaYT.ParkJHShort-termloadforecastingusinganartificialneuralnetwork1992(01)22.Drezga1.RahmanSInputvariableselectionforANN-basedshort-termloadforecasting1998(04)23.闫彩萍.王锡田专家系统综述1995(06)24.HoKL.HsuYY.LeeCEShorttermloadforecastingofTaiwanpowersystemusingaknowledge-basedexpertsystem1990(04)25.朱永利专家系统在电力系统中的应用现状及潜在应用领域分析1996(03)26.李邦云.丁晓群.程莉基于数据挖掘的负荷预测[期刊论文]-电力自动化设备2003(8)27.孙英云.何光宇.翟海青.王伟.陈雪青.周双喜一种基于决策树技术的短期负荷预测算法[期刊论文]-电工电能新技术2004(3)28.胡国胜.任震短期电力负荷非线性预测模型的比较[期刊论文]-电气应用2005(1)29.谢敬东.唐国庆.徐高飞组合预测方法在电力负荷预测中的应用[期刊论文]-中国电力1998(6)30.岑文辉应用人工神经网与遗传算法进行短期负荷预测[期刊论文]-电力系统自动化1997(3)31.CortesC.VapnikVSupport-vectornetworks199532.张学工关于统计学习理论与支持向量机[期刊论文]-自动化学报2000(1)33.崔伟东.周志华.李星支持向量机研究[期刊论文]-计算机工程与应用2001(1)34.SteveRGSupportvectormachinesforclassificationandregression199835.BingD.ChengC.LeeSEApplyingsupportvectormachinestopredictbuildingenergyconsumptionintropicalregion2005(37)36.VapnikVNAnoverviewofstatisticallearningtheory1999(03)37.VapnikV.LevinE.LeCunYMeasuringtheVC-dimensionofalearningmachine1994(05)38.张华煜.邢丽萍基于核函数的支持向量机分类方法[期刊论文]-电脑开发与应用2005(7)39.王华忠.俞金寿核函数方法及其在过程控制中的应用[期刊论文]-石油化工自动化2005(1)40.白亮.老松杨.胡艳丽支持向量机训练算法比较研究[期刊论文]-计算机工程与应用2005(17)41.BurgesCAtutorialonsupportvectormachinesforpatternrecognition1998(02)42.杜晓东.李岐强支持向量机及其算法研究2005(03)43.CortesC.VapnikVSupportvectornetworks1995(20)44.JohnCPFasttrainingofsupportvectormachinesusingsequentialminimaloptimization199945.范玉刚.李平.宋执环基于样本取样的SMO算法[期刊论文]-信息与控制2004(6)46.AhmedSNIncrementallearningwithsupportvectormachines(IJCAI99)199947.CauwenberghsG.PpggioTIncrementalanddecrementalsupportvectormachine2001(13)48.史新祁大型钢铁企业电力负荷短期预测的研究[学位论文]硕士200349.ParkDC.MarksRJElectricloadforecastingusingasartificialneuralnetwork1991(02)相似文献(10条)1.学位论文陈得治负荷分析与短期负荷预测的研究2000该论文在对哈尔滨地区负荷分析基础上,得到本地区负荷变化的规律和影响负荷变化的因素,从而提出了负荷分解模型和神经网络模型的组合预测法.负荷分解模型把系统负荷分解为典型负荷分量、特殊事件负荷分量、随机负荷分量,针对各个分量的变化规律分别建立一元非线性回归模型,人工校正模型、时间序列模型,并在其中提出了近大远小、在线递推和自动搜索定阶等建模思想.该论文针对哈尔滨地区负荷的实际情况,提出了一种适合该地区负荷特点的短期负荷预测方法,改善了负荷预测精度,可望在实际工作中发挥作用.2.学位论文张涛基于RBF神经网络的电力系统短期负荷预测2000电力系统短期负荷预测是电力系统日常运行中的一项重要工作.精确的负荷预测,对电力系统的生产安排、经济调度和安全分析都起着十分重要的作用,也直接影响着电力企业的经济效益.该文以陕西省历史负荷数据和西安市历史负荷数据为背景,对电力系统短期负荷预测的方法进行了研究.在负荷预测领域内日期类型和小时类型的划分决定预测模型的数目,而针对目前主要依靠经验来划分的缺陷,该文提出了根据负荷曲线关联度的定量分析判断法,有助于提高模型分类的准确性.该文研究了RBF神经网络在短期负荷预测中应用.确定了网络训练样本选择和优化方法.同时提出了网络参数的自适应更新策略,使得网络具有一定的自适应能力.提高24小时和168小时的负荷预测的精度分别为3.279和3.763,这样的预测精度已能满足实际运营的需要.3.期刊论文王颖.翟晓磊.王海林.赵国刚.郭凌旭基于C/S模式的电网短期负荷预测及负荷分析管理信息系统-国际电力2002,6(4)通过引入24h气象预测信息,并以负荷分析为基础,采用相似日、相似时段的负荷预测原理和基于K线图形式的图形处理方式,生成集负荷分析、负荷预测、预测管理和预测发布功能为一体的电网短期负荷预测及负荷分析管理信息系统.该系统应用先进的网络技术和数据库技术,构建了面向对象的模块化软件.目前该系统已应用于天津电网负荷分析和负荷预测管理工作,运行稳定,性能良好;具有界面友好、操作简便、维护成本低、预测精度高等优点,是负荷管理和预测人员的好助手.4.学位论文孙守强基于神经网络的电力系统短期负荷预测2001电力系统短期负荷预测是电力系统日常运行中的一面重要工作.精确的负荷预测,对电力系统的生产安排、经济调度和安全分析都起着十分重要的作用,也直接影响着电力企业的经济效益.该文对甘肃庆阳地区的历史负荷数据为背景,对电力系统短期负荷预测的方法进行了研究.近年来,利用神经网络进行负荷预测进入实用化阶段,但大多采用BP或改进BP算法,它有诸如训练速度慢、容易陷入局部最小点等缺点.为了解决这些问题,该文研究了RBF神经网络在短期负荷预测中应用.确定了网络训练样本的选择和优化方法.同时提出了网络参数的自适应更新策略,使得网络具有一定的自适应能力,并根据本地区的实际情况,对预测方法作了改进,提高了预测精度.提前24小时和168小时的负荷预测的精度分别为3.343和3.755﹪,这样的预测度已能满足实际运营的需要.5.期刊论文郑瑞峰.ZHENGRui-feng县级电网短期负荷预测方案研究-河北电力技术2006,25(5)通过对东光县用电负荷特点的介绍,分析工业、农业、生活及照明用电的规律和影响负荷变化的主要因素,提出县级局提高负荷预测准确率的几种方法,并在实践中总结出科学预测短期负荷的流程图.6.期刊论文吕智嘉.李鸿彪基于RBF神经网络的短期负荷预测-北京电力高等专科学校学报2010,29(3)短期电力负荷预测是电力系统日常运行中的一项重要工作.精确的负荷预测对电力系统经济、可靠的负荷调整和管理起着十分重要的作用.本文以福建泉州某电厂的历史负荷数据为基础,采用RBF神经网络进行了短期负荷预测.经仿真验证预测相对误差小于1%,预测精度满足实际需求.7.学位论文龙立波基于负荷特性分析的短期负荷预测的研究与实现2007电力系统短期负荷预测是能量管理系统(EMS)的重要组成部分，是电力系统安全、经济、可靠运行的前提和基础，其预测精度直接影响到电力系统的经济效益。研究负荷特性、负荷分析理论与预测算法并开发高效实用的负荷预测系统已成为当前十分重要的课题。本文主要针对负荷分析、预测算法及系统的设计与开发进行了研究。本文介绍了短期负荷的特点，深入分析了温度、降雨量、时间等因素对负荷的影响，并创造性地将股票K线图移植到负荷分析中。提出了利用小波奇异理论处理异常数据和曲线平滑技术去除毛刺的方法，提出了一种基于模糊分类与灰色关联度联合挖掘选择相似日和虚拟预测相结合的优选组合模型。根据特殊节日与周末负荷具有的可比性，提出了以相似周末负荷为基础，利用历年相同特殊节日与对应相似周末的比例关系修正的特殊节假日预测模型，提出了极相似日预测法和日负荷数据标准化预测模型。以上算法通过湖南省实际数据测试，表明了它们具有良好的实用性和可行性。最后介绍了我们开发的湖南省地一体化短期负荷预测系统，该系统采用流行的浏览器/服务器结构，系统包括负荷分析、负荷预测、考核管理等五大功能模块，该系统已经在湖南电网挂网试运行，运行稳定，使用方便，预测效果理想。8.期刊论文龙立波.姚建刚.陈国栋.LONGLi-bo.YAOJian-gang.CHENGuo-dong一种基于股票图形的负荷分析新方法-电力科学与工程2006,(4)进行科学合理的负荷分析是提高短期负荷预测精度的有效途径.负荷分析可以帮助运行人员形成专家知识,把握负荷变化规律,指导负荷预测.文章将K线图、移动平均线和双移动平均线应用于负荷分析中,使多种图形组合于一体,超越了传统的单一图