摘要:讨论了基于支持向量机的电力系统负荷预测模型建模方法。对建立支持向量机模型,通过对模型结构的分析,提出了模型学习参数的选取方法,给出了基于最优方向搜索的高斯核函数参数的优化算法。针对负荷预测模型,对模型的输入变量采用规范化预处理消除了量纲不一致对SVM模型的不利影响,通过对数变换将模型输出的相对误差转化为模型输出的绝对误差,便于模型学习参数的选择。最后采用实际数据对该方法进行了模拟计算,其结果表明该方法可以有效地降低SVM模型的建模误差和测试误差,而且SVM模型比模糊模型和神经网络模型有更好的泛化性能和预测精度。
关键词:负荷预测 支持向量机 高斯核函数 参数选取 泛化性能
单位:上海海事大学信息工程学院; 上海市浦东区200135; 江苏信息职业技术学院; 江苏省无锡市214061
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
相关期刊
断块油气田