变形预测,沉降预测论文
5现代电子技术62010年第18期总第329期
þ
计算机应用技术ü
基于最小二乘支持向量机的短期负荷预测模型
张 宁1,许承权2,薛小铃1,郑宗华1
(1.闽江学院物理学与电子工程系,福建福州 350108;2.闽江学院地理科学系,福建福州 350108)
摘 要:支持向量机(SVM)是近年来发展起来的机器学习的新方法,它较好地解决了小样本、非线性、高维数、局部极小点等实际问题。研究了支持向量机的拓展算法)))最小二乘支持向量机(LSSVM),并将其应用于电力系统短期负荷时间序列预测。通过实例并与神经网络模型预测结果相比较表明,LSSVM模型的预测精度要明显高于神经网络模型,验证了LSS-VM模型可以很好地应用于短期负荷时间序列预测,并且具有较高的准确性与有效性,这为短期负荷预测提供了一个新的解决思路。
关键词:最小二乘支持向量机;神经网络;短期负荷预测;时间序列预测
中图分类号:TN715-34 文献标识码:A 文章编号:1004-373X(2010)18-0131-03
Shor-ttermLoadForecastingModelBasedonLeastSquareSupportVectorMachine
ZHANGNing1,XUCheng-quan2,XueXiao-ling1,ZHENGZong-hua1
(1.DepartmentofPhysics&ElectronicInformation,MinjiangUniversity,Fuzhou350108,China;
2.DepartmentofGeograpgy,MinjiangUniversity,Fuzhou350108,China)
Abstract:Supportvectormachine(SVM)isanovelmachinelearningmethod,whichispowerfulforsolvingtheproblemscharacterizedbysmallsamples,nonlinearity,highdimension,localminima,andotherpracticalproblems.Theextensiona-lgorithmofthesupportvectormachine-leastsquaressupportvectormachine(LSSVM)isstudiedandappliedtothetimeseriesforecastingofshort-termloadinpowersystem.Comparedwiththepredictingoutcomingsoftheneuralnetworkmodelthroughsomeexamples,theresultshowsthattheforecastaccuracyofLSSVMmodelishigherthanthatofneuralnetworkmodel,andverifiesLSSVMmodelcanapplyeffectivelytoshort-termloadforecasting.Thisprovidesanewresolutionforshort-termloadforecasting.
Keywords:leastsquaresupportvectormachine;neuralnetwork;short-termloadprediction;time-sequenceforcasting
0 引 言
短期负荷预测是电力系统的重要工作之一。准确的负荷预测可以经济合理地安排电网内部发电机组的启动和停止,保持电网运行的安全稳定,减少不必要的旋转储备容量,合理安排机组检修计划,有效地降低发
电成本,提高经济效益和社会效益。负荷预测的准确性受气候因素、重大节假日、电价等多种因素的综合影响,而这些因素大部分具有随机性、动态开放性等不确定性特点,使得负荷预测问题变成一个典型的非线性问题,难以用简单的数学模型来描述。随着机器学习理论的发展,一些非线性模型如神经网络模型在短期负荷时间序列预测中已取得比较成功的应用。但神经网络模型本身存在着难以克服的缺陷,如易陷入局部极小,网
[1-3]
络结构难以确定,而且它基于的是经验风险最小化原则,易导致过学习现象的产生。
支持向量机(supportvectormachine,SVM)是Vapnik等人根据统计学理论提出的一种新的通用学习方法,它是建立在统计学习理论和结构风险最小原理基础上的,能较好地解决小样本、非线性、高维数和局部极小点等实际问题,并成功地应用于分类、回归和时间序列预测等方面。最小二乘支持向量机(leastsquaressupportvectormachine,LSSVM)是标准支持向量机的一种扩展,它是支持向量机在二次损失函数下的一种形式。最小二乘支持向量机只求解线性方程,其求解速度快,在函数估计和逼近中得到了广泛的应用[8]。本文尝试将最小二乘支持向量机方法应用于短期负荷预测中,并以实例验证了其准确性和有效性。1 最小二乘支持向量机估计算法
[6-7]
[4-5]
收稿日期:2010-04-23
基金项目:福建省自然科学基金资助项目(2009J05102);福州
市科技计划资助项目(2009-S-95);福建省教育厅A类科技项目(JA09193)
用支持向量机来估计回归函数,其基本思想就是通过一个非线性映射,把输入空间的数据映射到一个高维特征空间中去,然后在此特征空间做线性回归。
131
提出了结合粗糙集(rough sets,RS)理论和遗传算法 (genetic algorithm,GA)的最小二乘支持向量机(least squares support vector machines,LS-SVM)短期负荷预测模型和...
研究了支持向量机的拓展算法——最小二乘支持向量机(LSSVM),并将其应用于电力系统短期负荷时间序列预测。通过实例并与神经网络模型预测结果相比较表明,LSSVM模型的...
基于最小二乘支持向量机的短期负荷预测模型_专业资料。龙源期刊网 http://www.qikan.com.cn 基于最小二乘支持向量机的短期负荷预测模 型 作者:张宁, 许承权 ...
,提高预测精度,提出将经验模式分解EMD(Empirical Mode Decomposition)和最小二乘支持向量机LS—SVM(Least Square Support Vector Machine)相结合对短期负荷进行预测。...
关键词:负荷混沌特性最小二乘支持向量机短期负荷预测 1/2 相关文档推荐...通过与 BP 神经网络的预 测结果进行比较,证明了该模型在短期负荷预测中的有效...
基于灰色模型和最小二乘支... 6页 1财富值喜欢此文档的还喜欢... 基于最小二乘支持向量机的短期负荷预测 持向量机持向量机隐藏>> ? 1994-...
种基于自适应加权最小二乘支持向量机(AWLS—SVM)理论的电力系统短期负荷预测新...赋予每个样本惩罚参数不同的加权系数,建立了具有良好推广性能的AWLS—SVM回归模型...
摘要:提出一种联合灰色模型(grey model,GM)和最小二乘 支持 向量 机回归 (least square support vector regression , LSSVR)算法的电力短期负荷智能组合预测方法。...
摘要:提出一种联合灰色模型(grey model,GM)和最小二乘 支持 向量 机回归 (least square support vector regression, LSSVR)算法的电力短期负荷智能组合预测方法。...
基于最小二乘支持向量机的短期电力负荷预测_数学_自然科学_专业资料。? 38‘ (总0 2oo) 基于最/ _\- 乘支持向量机的短期电力负荷预测 2013 年第 3期 ...
热门文档