登录    注册    忘记密码

期刊文章详细信息

优化组合核函数相关向量机电力负荷预测模型  ( EI收录)  

Relevance vector machine based on particle swarm optimization of compounding kernels in electricity load forecasting

  

文献类型:期刊文章

作  者:段青[1] 赵建国[2] 马艳[3]

机构地区:[1]山东大学电气工程学院,山东济南250061 [2]国家电网技术学院,山东济南250002 [3]国核电力规划设计研究院,北京100094

出  处:《电机与控制学报》

年  份:2010

卷  号:14

期  号:6

起止页码:33-38

语  种:中文

收录情况:AJ、BDHX、BDHX2008、CSA、CSCD、CSCD_E2011_2012、EI(收录号:20103713225580)、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘  要:在单一核函数相关向量机模型的基础上,构建高斯核函数分别与多项式核函数和张量积线性样条核函数进行线性组合的多种组合核函数相关向量机中期电力负荷预测模型,并利用粒子群优化算法对组合核函数的各参数进行优化选择。以2001年组织的国际电力负荷预测竞赛提供的公开数据为训练和测试样本,分别对多种核函数相关向量机中期电力负荷预测模型进行仿真预测计算。结果显示,虽然各模型都取得了较好的预测精确度,但是基于组合核函数的相关向量机在各项评价指标上都优于基于单一核函数的相关向量机。还利用相关向量机的概率预测优势得到了其他模式识别模型无法得到的预测误差范围。

关 键 词:负荷预测 稀疏贝叶斯学习  相关向量机 组合核函数 粒子群优化

分 类 号:TM715]

参考文献:

正在载入数据...

二级参考文献:

正在载入数据...

耦合文献:

正在载入数据...

引证文献:

正在载入数据...

二级引证文献:

正在载入数据...

同被引文献:

正在载入数据...

版权所有©重庆科技学院 重庆维普资讯有限公司 渝B2-20050021-7
 渝公网安备 50019002500408号 违法和不良信息举报中心