基于支持向量机的船舶电力负荷预测

被引：42

作者：

王锡淮

朱思锋

机构：

[1] 上海海事大学,上海海事大学上海,上海

来源：

中国电机工程学报 | 2004年 / 10期

关键词：

电力工程; 船舶电力系统; 负荷预测; 支持向量机; 机器学习;

D O I：

10.13334/j.0258-8013.pcsee.2004.10.007

中图分类号：

TM712 [电力系统稳定];

学科分类号：

080802 ;

摘要：

船舶电力系统是一个独立的电力系统,需要根据准确的负荷预测来控制多台发电机组的运行。本文提出了一种基于支持向量机的船舶电力负荷短期预测方法。对某大型集装箱船舶在不同工况下的电力负荷数据,分别用基于径向基核函数的支持向量机方法、多层 BP 网络和 RBF 网络方法进行训练和预测计算,仿真结果表明支持向量机具有更高的预测精度,是船舶电力负荷预测的一种有效方法。

引用

收藏

页码：38 / 41

页数：4

相关论文

共 11 条

[1] 基于粗糙集理论建立短期电力负荷神经网络预测模型 [J].

谢宏 ;

程浩忠 ;

张国立 ;

牛东晓 ;

杨镜非 .

中国电机工程学报, 2003, (11) :5-8

[2] 基于卡尔曼滤波的短期负荷预测方法的研究 [J].

张民 ;

鲍海 ;

晏玲 ;

曹津平 ;

杜剑光 .

电网技术, 2003, (10) :39-42

[3] 一种基于径向基函数的短期负荷预测方法 [J].

赵剑剑 ;

张步涵 ;

程时杰 ;

陆俭 .

电网技术, 2003, (06) :22-25+32

[4] 基于模糊SOFM网分类的船舶电力负荷估算模型 [J].

吴晓平 ;

宋业新 ;

汪玉 .

中国造船, 2003, (01) :68-73

[5] 基于偏最小二乘回归分析的短期负荷预测 [J].

张伏生 ;

汪鸿 ;

韩悌 ;

孙晓强 ;

张振宇 ;

曹进 .

电网技术, 2003, (03) :36-40

[6] 基于支持向量机的非线性模型预测控制 [J].

张浩然 ;

韩正之 ;

李昌刚 .

系统工程与电子技术, 2003, (03) :330-334

[7] 基于小波分析的电力系统短期负荷预测方法 [J].

邰能灵 ;

侯志俭 ;

李涛 ;

蒋传文 ;

宋炯 .

中国电机工程学报, 2003, (01) :46-51

[8] 基于支撑向量机方法的短期负荷预测 [J].

赵登福 ;

王蒙 ;

张讲社 ;

王锡凡 .

中国电机工程学报, 2002, (04) :27-31

[9] 具有二重趋势性的季节型电力负荷预测组合优化灰色神经网络模型 [J].

牛东晓 ;

陈志业 ;

邢棉 ;

谢宏 .

中国电机工程学报, 2002, (01) :30-33

[10] 关于统计学习理论与支持向量机 [J].

张学工 .

自动化学报, 2000, (01) :36-46