基于层叠泛化策略的母线负荷预测模型

被引：3

作者：

黄帅栋 ^{[1
]}

卫志农 ^{[1
]}

丁恰 ^{[2
]}

沈茂亚 ^{[2
]}

孙国强 ^{[1
]}

孙永辉 ^{[1
]}

机构：

[1] 河海大学能源与电气学院

[2] 国电南瑞科技股份有限公司

来源：

电力系统及其自动化学报 | 2013年 / 25卷 / 03期

关键词：

层叠泛化算法; 支持向量机; 卡尔曼滤波; 母线负荷预测;

D O I：

暂无

中图分类号：

TM714 [负荷分析];

学科分类号：

摘要：

基于层叠泛化策略SG(stacked generalization)提出一种新的母线负荷预测方法。该方法包含两级学习层,第1层针对原始母线负荷样本空间,对一组支持向量机SVM(support vector machine)进行交互验证式训练,训练完成后得到新的特征空间,该特征空间由这些支持向量机的输出和对应的真实值组成;第2层对输出进行线性组合,将新特征空间中的输出序列作为观测,对应的输出权值作为状态,使用卡尔曼滤波对权值进行递推估计。实例仿真证明,采用所提方法模型的泛化能力得到改善,从而提高母线负荷的预测精度。

引用

页码：8 / 12+55 +55

页数：6

共 12 条

[1] A tutorial on Support Vector Machines for pattern recognition [J].