SVM與Fourier算法在電網(wǎng)短期負(fù)荷預(yù)測(cè)中的應(yīng)用.pdf

SVM與Fourier算法在電網(wǎng)短期負(fù)荷預(yù)測(cè)中的應(yīng)用.pdf

ID:54016992

大?。?82.80 KB

頁數(shù):6頁

時(shí)間:2020-04-28

SVM與Fourier算法在電網(wǎng)短期負(fù)荷預(yù)測(cè)中的應(yīng)用.pdf_第1頁
SVM與Fourier算法在電網(wǎng)短期負(fù)荷預(yù)測(cè)中的應(yīng)用.pdf_第2頁
SVM與Fourier算法在電網(wǎng)短期負(fù)荷預(yù)測(cè)中的應(yīng)用.pdf_第3頁
SVM與Fourier算法在電網(wǎng)短期負(fù)荷預(yù)測(cè)中的應(yīng)用.pdf_第4頁
SVM與Fourier算法在電網(wǎng)短期負(fù)荷預(yù)測(cè)中的應(yīng)用.pdf_第5頁
資源描述:

《SVM與Fourier算法在電網(wǎng)短期負(fù)荷預(yù)測(cè)中的應(yīng)用.pdf》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。

1、第32卷第4期繼電器Voi.32No.42004年2月16日RELAYFeb.16,200417SVM與Fourier算法在電網(wǎng)短期負(fù)荷預(yù)測(cè)中的應(yīng)用楊鏡非,謝宏,程浩忠(上海交通大學(xué)電氣工程系,上海200030)摘要:將Fourier(傅立葉)算法與SVM(支持向量機(jī))共同引入電網(wǎng)短期負(fù)荷預(yù)測(cè)。對(duì)于波動(dòng)性較大的負(fù)荷,F(xiàn)ourier算法用于濾除高次諧波分量。SVM用于對(duì)濾除了高次分量的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)學(xué)習(xí),它首先篩選與預(yù)測(cè)點(diǎn)相關(guān)的歷史數(shù)據(jù)構(gòu)成訓(xùn)練樣本,再將預(yù)測(cè)的平滑性和誤差損失函數(shù)相結(jié)合構(gòu)成問題的目標(biāo)函數(shù)進(jìn)行求解。編制了相應(yīng)的軟件,對(duì)某實(shí)際電網(wǎng)進(jìn)行了短期負(fù)荷預(yù)測(cè),取得了理

2、想的結(jié)果。關(guān)鍵詞:負(fù)荷預(yù)測(cè);支持向量機(jī);傅立葉算法;損失函數(shù);核函數(shù)中圖分類號(hào):TM715文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1003-4897(2004)04-0017-03SVM算法對(duì)于預(yù)測(cè)負(fù)荷曲線較平滑的系統(tǒng),能0引言夠取得較理想的效果。但是,對(duì)于慣性較小、隨機(jī)波電力系統(tǒng)負(fù)荷預(yù)測(cè)是電網(wǎng)能量管理系統(tǒng)的重要?jiǎng)有暂^強(qiáng)的中小型電網(wǎng),其效果相對(duì)較差。改進(jìn)的內(nèi)容,通過精確的負(fù)荷預(yù)測(cè),可以經(jīng)濟(jì)合理地安排機(jī)方法是,先采用Fourier算法將歷史負(fù)荷曲線分解為組啟停,減少旋轉(zhuǎn)備用容量,合理安排檢修計(jì)劃,降平滑曲線和隨機(jī)波動(dòng)曲線兩部分,只采用平滑部分低發(fā)電成本,提高經(jīng)濟(jì)效益。常用的方法有非線

3、性作為SVM的歷史訓(xùn)練數(shù)據(jù),能夠取得更好的效果?;貧w、神經(jīng)網(wǎng)絡(luò)法、時(shí)間序列法、模糊理論等。非線1SVM線性回歸模型性回歸和時(shí)間序列法在電網(wǎng)情況正常、生產(chǎn)和氣象變化不大的時(shí)候預(yù)測(cè)效果良好,但不能考慮一些影假設(shè)有一組訓(xùn)練數(shù)據(jù),其中第i個(gè)數(shù)據(jù)包含變量n響負(fù)荷的要素,如休息日、氣象等,當(dāng)這些因素發(fā)生xiER和與之相對(duì)應(yīng)的變量yiER,SVM定義了一種突變時(shí)預(yù)測(cè)精度受到影響。神經(jīng)網(wǎng)絡(luò)和模糊理論考機(jī)器(machine),用于確定x到y(tǒng)的映射關(guān)系Xf慮到了影響負(fù)荷的一些不確定因素,但沒有徹底解(X,!),!為可調(diào)參數(shù),通過對(duì)已知數(shù)據(jù)的學(xué)習(xí)來確決網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)的難題,且需要較長(zhǎng)的訓(xùn)練

4、時(shí)間。定它。在線性回歸中,定義映射函數(shù)(fx)=",x[1]nSVM(支持向量機(jī))是由Vapnik最早提出的+b,"ER,yER,并要求:1)找到最小的"以保證一種統(tǒng)計(jì)學(xué)習(xí)方法,近年來已經(jīng)被成功地應(yīng)用于語曲線的平滑性,一種常用的方法是使得"的歐氏二范音識(shí)別、文字識(shí)別、時(shí)序數(shù)列預(yù)測(cè)等領(lǐng)域。研究顯數(shù)最??;2)映射的誤差在允許的#范圍之內(nèi)??梢允?,該統(tǒng)計(jì)學(xué)習(xí)方法具有學(xué)習(xí)速度快、全局最優(yōu)和推寫成下列數(shù)學(xué)模型:廣能力強(qiáng)的優(yōu)點(diǎn),其學(xué)習(xí)結(jié)果經(jīng)常明顯好于其它的12minimize"(1)模式識(shí)別和回歸預(yù)測(cè)方法。本文將SVM理論應(yīng)用2于電力系統(tǒng)短期負(fù)荷預(yù)測(cè),既考慮了影響負(fù)荷的諸yi-

5、",xi-b#subjectto{)因素,又建立了完善的數(shù)學(xué)模型。",xi+b-yi#(2Amethodofpowersystemshort-termloadforecastingbasedonfuzzywaveletneuralnetworksWANGXin-xiu,WUYao-wu,XIONGXin-yin,HUANGA-giang(HuazhongUniversityofScienceandTechnoiogy,Wuhan430074,China)Abstract:Anoveishort-termioadforecastingmodeibasedonfuzzy

6、waveietneurainetworks(FWN)ispresentedinthispaper.Be-causeFWNcombinesthetime-freguencyiocaiizationabiiityofwaveiet,fuzzyinferringandtheeducationcharacterofANNtogether,itsabiiitytoreachthegiobaibestresuitsisgreatiyimproved.TheFWNinciudesasetoffuzzyruiesandseveraisub-WNNs.Everysub-WNN,cor

7、respondingtoacertainfuzzyruie,consistsofwaveietswithaspecifieddiiation.Byadjustingthetransiationparametersofthewaveietsandtheshapeofmembershipfunctions,theaccuracyandgeneraiizationcapabiiityofFWNcanberemarkabiyimproved.Thecaicuiationresuitshowsthatthepresentedmodeiiseffective.Keyword

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無此問題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。