集成RS和SVR的电力系统短期负荷预测方法

被引：10

作者：

方瑞明

机构：

[1] 华侨大学信息科学与工程学院

来源：

华侨大学学报(自然科学版) | 2007年 / 03期

关键词：

电力系统; 训练样本; 短期负荷预测; 粗糙集; 支持向量回归;

D O I：

暂无

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 [电力系统及其自动化];

摘要：

基于粗糙集(RS)理论和支持向量回归(SVR)方法,提出一种电力系统短期负荷预测方法.采用粗糙集理论对影响负荷预测的各因素进行约简,将约简后得到的最小条件属性集,以此确定输入样本的维数并构造训练样本,作为支持向量回归机的输入进行训练预测.在此基础上,利用已知历史负荷数据构造训练样本群,作为SVR的输入进行训练,采用训练完毕后的SVR模型进行负荷预测.实验结果表明,与神经网络方法和标准SVR方法相比,集成粗糙集和支持向量回归的负荷预测方法,可以在缩短训练时间的前提下获得较高的预测精度.

引用

页码：252 / 255

页数：4

共 8 条

[1]

粗糙集连续属性离散化模型研究与应用要点分析 [J].

赵荣泳 ;

张浩 ;

李翠玲 ;

樊留群 ;

王骏 .

计算机工程与应用, 2005, (08) :40-42+91

[2]

电力市场中发电商的风险决策 [J].

康重庆 ;

白利超 ;

夏清 ;

黄永皓 ;

尚金成 ;

孟远景 ;

何南强 .

中国电机工程学报, 2004, (08)

[3]

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)

[4]

短期负荷预测的支持向量机方法研究 [J].

李元诚 ;

方廷健 ;

于尔铿 .

中国电机工程学报, 2003, (06)

[5]

基于Rough Set理论的“数据浓缩” [J].

王珏 ;

王任 ;

苗夺谦 ;

郭萌 ;

阮永韶 ;

袁小红 ;

赵凯 .

计算机学报, 1998, (05) :393-400

[6]

基于周期自回归模型的短期负荷预测 [J].

赵宏伟 ;

任震 ;

黄雯莹 .

中国电机工程学报, 1997, (05)

[7]

Computational Intelligence Techniques for Short-Term Electric Load Forecasting.[J] Spyros Tzafestas;Elpida Tzafestas Journal of Intelligent and Robotic Systems 2001,

[8]

Rough集理论与知识获取[M] 王国胤编著; 西安交通大学出版社 2001,

← 1 →