基于RS-SVM在电力短期负荷预测中的应用被引量：2

下载PDF

导出

摘要提出了一种基于支持向量机算法和粗糙集理论结合的短期电力负荷预测方法。首先利用粗糙集理论对电力负荷决策系统进行约简,消除样本无用信息和冗余,然后在此基础上设计支持向量机多分类器,进行短期预测分类。这样,可以有效减小SVM训练的数据,加快多分类器的处理速度。实验结果显示它能够有效地提高负荷预测精度,缩短了预测时间。

作者刘叶玲杜力博

机构地区西安科技大学理学院

出处《科技信息》 2009年第1期181-182,共2页 Science & Technology Information

关键词支持向量机粗糙集电力系统短期负荷预测

分类号 TM715 [电气工程—电力系统及自动化]

引文网络
相关文献

参考文献6

1郑红军,周旭,毕笃彦.统计学习理论及支持向量机概述[J].现代电子技术,2003,26(4):59-61. 被引量：12
2张学工.关于统计学习理论与支持向量机[J].自动化学报,2000,26(1):32-42. 被引量：2264
3王珏,王任,苗夺谦,郭萌,阮永韶,袁小红,赵凯.基于Rough Set理论的“数据浓缩”[J].计算机学报,1998,21(5):393-400. 被引量：239
4彭璐..支持向量机分类算法研究与应用[D].湖南大学,2007:
5王国胤..ROUGH集理论与知识获取[M],2001.
6刘晨晖著..电力系统负荷预报理论与方法[M].哈尔滨:哈尔滨工业大学出版社,1987:319.

二级参考文献7

1王珏,苗夺谦,周育健.关于Rough Set理论与应用的综述[J].模式识别与人工智能,1996,9(4):337-344. 被引量：264
2Wang J，J Comput Sci Technol，1998年，13卷，2期，189页被引量：1
3周育健，硕士学位论文，1996年被引量：1
4Hu X H，Comput Intell，1995年，11卷，2期，323页被引量：1
5卢增祥,李衍达.交互支持向量机学习算法及其应用[J].清华大学学报（自然科学版）,1999,39(7):93-97. 被引量：41
6张学工.关于统计学习理论与支持向量机[J].自动化学报,2000,26(1):32-42. 被引量：2264
7崔伟东,周志华,李星.支持向量机研究[J].计算机工程与应用,2001,37(1):58-61. 被引量：88

共引文献2509

1白岗岗,侯精明,史玉品,韩浩,郭凯华,李丙尧,付德宇.基于支持向量机的葫芦河流域径流变化的多因素贡献率分析[J].水土保持研究,2020,27(2):112-117. 被引量：2
2曾赟.第四种法学知识新形态——数据法学的研究定位[J].法制与社会发展,2023,29(1):41-59. 被引量：11
3乔丹,刘刚,杨执钧,钟韬,白雪.基于迁移学习的船舶目标识别[J].计算机应用研究,2020,37(S01):324-325. 被引量：1
4孟琮棠,赵银娣,向阳.基于卷积神经网络的遥感图像变化检测[J].现代测绘,2019,0(5):1-5. 被引量：3
5田海军,门洪,郎世伟.基于LS-SVM的电厂过热汽温仿真研究[J].微计算机信息,2007,23(10):270-272. 被引量：2
6张磊,夏士雄,牛强.基于SVM二叉决策树方法的矿井提升机故障诊断[J].微计算机信息,2008,24(10):198-199. 被引量：4
7瞿伟廉,谭冬梅.基于小波分析和支持向量机的结构损伤识别[J].武汉理工大学学报,2008,30(2):80-82. 被引量：3
8郑树剑,刘冀伟,何积铨,韩旭.基于支持向量机的混凝土结构中钢筋腐蚀的判别[J].电子器件,2007,30(5):1935-1938.
9殷彬,方思行.脾虚证诊断的数学模型[J].暨南大学学报（自然科学与医学版）,2006,27(3):363-367. 被引量：4
10王宇,丁萍,吴峻.基于SVM的光纤陀螺标度因数建模研究[J].舰船电子工程,2008,28(5):78-80. 被引量：1

同被引文献29

1刘遵雄,钟化兰,张德运.最小二乘支持向量机的短期负荷多尺度预测模型[J].西安交通大学学报,2005,39(6):620-623. 被引量：16
2朱志勇,林睦纲,张深基.基于小波变换与支持向量机的短期电力负荷预测[J].微计算机应用,2005,26(4):440-442. 被引量：4
3杨延西,刘丁.基于小波变换和最小二乘支持向量机的短期电力负荷预测[J].电网技术,2005,29(13):60-64. 被引量：85
4高荣,刘晓华.基于支持向量机的短期负荷预测[J].烟台师范学院学报（自然科学版）,2005,21(4):262-265. 被引量：1
5潘锋,程浩忠.基于RBF核函数的SVM方法在短期电力负荷预测中的应用[J].供用电,2006,23(1):16-18. 被引量：10
6胡国胜,任震.基于支持向量机混合模型的短期负荷预测方法[J].高电压技术,2006,32(4):101-103. 被引量：15
7张庆宝,程浩忠,刘青山,郑季伟,倪东海.基于粗糙集属性约简算法和支持向量机的短期负荷预测[J].电网技术,2006,30(8):56-59. 被引量：30
8姜惠兰,刘晓津,关颖,王梦宾.基于硬C均值聚类算法和支持向量机的电力系统短期负荷预测[J].电网技术,2006,30(8):81-85. 被引量：21
9庞松岭,穆钢,王修权,金鹏,马俊国.基于负荷规律性分析的支持向量机短期负荷预测方法[J].东北电力大学学报,2006,26(4):1-6. 被引量：8
10李林峰,孙长银.基于FCM聚类与SVM的电力系统短期负荷预测[J].江苏电机工程,2007,26(3):47-50. 被引量：10

引证文献2

1王奔,冷北雪,张喜海,单翀皞,从振.支持向量机在短期负荷预测中的应用概况[J].电力系统及其自动化学报,2011,23(4):115-121. 被引量：53
2邹超,卢霁明.基于支持向量机理论的短期负荷预测[J].云南电力技术,2022,50(1):36-39. 被引量：1

二级引证文献54

1梁宏涛,刘红菊,李静,王莹,郭超男.基于机器学习的短期负荷预测算法综述[J].计算机系统应用,2022,31(10):25-35. 被引量：9
2徐静,陈正洪,唐俊,李芬.建筑光伏并网发电系统的发电量预测初探[J].电力系统保护与控制,2012,40(18):81-85. 被引量：7
3牛庆松,程如同,李彬,石庆喜,亓富军.基于SD-SVM的负荷预测研究与应用[J].华北电力技术,2012(11):21-26. 被引量：1
4周云龙,张全厚,辛凯.利用锥形孔板测量气液二相流量[J].化学工程,2012,40(12):65-69.
5牛东晓,魏亚楠.基于FHNN相似日聚类自适应权重的短期电力负荷组合预测[J].电力系统自动化,2013,37(3):54-57. 被引量：41
6周云龙,张全厚,刘博,梁育纬.基于锥形孔板压差脉动特性测量湿气流量[J].化工机械,2013(1):22-25. 被引量：3
7徐蓓蓓,章正国,郑新龙,何旭涛,敬强.最小二乘支持向量机在短期风速预测中的应用概况[J].电气技术,2013,14(6):22-25. 被引量：2
8李响,黎灿兵,曹一家,李龙,程子霞,吕素.短期负荷预测的解耦决策树新算法[J].电力系统及其自动化学报,2013,25(3):13-19. 被引量：13
9张捍东,张莉,汤敏.云模型优化LSSVR的短期电力负荷预测[J].自动化仪表,2013,34(11):1-5. 被引量：9
10王保义,赵硕,张少敏.基于云计算和极限学习机的分布式电力负荷预测算法[J].电网技术,2014,38(2):526-531. 被引量：76

1李芳.基于RS-SVM的油中溶解气体变压器故障诊断研究[J].变压器,2008,45(5):52-56. 被引量：1
2本刊编辑部.浅谈电力负荷预测[J].电气工程应用,2015,0(4):18-20. 被引量：1
3曾杰,郭创新,刘育骐,梁年生.递归神经网络及其在电力短期负荷预测中的应用[J].自动化与仪器仪表,1996(5):8-12.
4郭威.电力系统短期负荷预测方法研究[J].信息系统工程,2013(8):155-155. 被引量：1
5李嫣资,刘笑言.基于灰色理论的短期电力负荷预测[J].经营管理者,2016(15). 被引量：2
6李均华.小网电力短期负荷预测的理论与数学建模[J].四川电力技术,2006,29(6):30-31.
7韩哲,陈治平,熊斯毅,黎湖广.人工神经网络及其在电力短期负荷预测中的应用研究[J].科学技术与工程,2009,9(5):1136-1141. 被引量：5
8甘文泉,王朝晖,刘勇,胡保生.基于自适应模糊神经元网络的电力短期负荷预测[J].西安交通大学学报,1997,31(9):114-119. 被引量：3
9黄国栋.基于遗传神经网络的短期负荷预测研究[J].中国电力教育（下）,2014(2):261-262. 被引量：2
10何习佳.基于支持向量机的电力短期负荷预测研究[J].电子设计工程,2009,17(12):90-92. 被引量：3

科技信息

2009年第1期

浏览历史

内容加载中请稍等...

基于RS-SVM在电力短期负荷预测中的应用被引量：2

参考文献6

二级参考文献7

共引文献2509

同被引文献29

引证文献2

二级引证文献54

相关作者

相关机构

相关主题

浏览历史

基于RS-SVM在电力短期负荷预测中的应用 被引量：2

参考文献6

二级参考文献7

共引文献2509

同被引文献29

引证文献2

二级引证文献54

相关作者

相关机构

相关主题

浏览历史

基于RS-SVM在电力短期负荷预测中的应用被引量：2