短期负荷预测的支持向量机参数选择方法

被引：16

作者：

杨国健 ^{[1
,2
]}

杨镜非 ^{[1
]}

童开蒙 ^{[1
]}

程浩忠 ^{[1
]}

孙毅斌 ^{[2
]}

叶清 ^{[2
]}

机构：

[1] 上海交通大学电气工程系

[2] 上海电力公司青浦供电公司

来源：

电力系统及其自动化学报 | 2012年 / 24卷 / 06期

关键词：

支持向量机; 参数选择; 核函数选择; 负荷预测; 遗传算法;

D O I：

暂无

中图分类号：

TM715 [电力系统规划]; TP18 [人工智能理论];

学科分类号：

080802 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

支持向量机SVM(support vector machine)方法的合理参数选择对提高回归结果的准确性有重要作用。该文采用基于支持向量机短期负荷预测的参数选择方法,用遗传算法对参数种群进行编码、交叉、复制和变异,求得最优参数和最优核函数。将该算法应用于电力系统短期负荷预测中,应用了筛选和不筛选特征值两种方案对历史数据进行了预测。算例证明,无论是应用筛选特征值方案还是不筛选特征值方案,参数选择对预测精度提高都具有重要作用。

引用

页码：148 / 151

页数：4

共 6 条

[1] 短期负荷预测的聚类组合和支持向量机方法 [J].