1
随着智能电网出现,以神经网络、支持向量机( Support Vector Machine, SVM)等为代表的非线性预测工具,已被广泛应用于电网负荷预测领域中。由于支持向量机是一种基于核的学习方法,有利于降低经验风险和减小置信范围,因此被众多预测模型所采用,例如将支持向量回归机( Support Vector Regression,SVR)用来预测短期的交通流;用于生态旅游经济的预测;用于预测提供给火电厂的煤炭质量等。在电力行业,SVR模型也得到了普遍应用。
针对用电负荷的周期性特点,将用电负荷特征学习建模为小时、天数、负荷数3个维度的回归问题,提出一种基于支持向量回归机的三维回归模型。将支持向量机的核函数设计为多个核函数的线性组合分别进行参数训练,并给出多路径逐步逼近的参数训练算法。仿真结果表明,与三层神经网络、最小二乘非线性拟合模型相比,该模型具有较好的用电负荷特征学习与预测能力。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表德赢Vwin官网 网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !