文献类型：期刊文章

作　　者：谢宏[1] 魏江平[2] 刘鹤立[1]

机构地区：[1]上海海事大学信息工程学院,上海市浦东区200135 [2]江苏信息职业技术学院,江苏省无锡市214061

出　　处：《中国电机工程学报》

基　　金：上海市重点学科建设项目(T0602)。

年　　份：2006

卷　　号：26

期　　号：22

起止页码：17-22

语　　种：中文

收录情况：AJ、BDHX、BDHX2004、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

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

分 类 号：TM715]