基于偏最小二乘支持向量机的短期电力负荷预测方法研究
100 积分
50
评分
4.6 积分- 详情
- 2021-04-27
- 简介
pdf
- 970KB
- 页数 5P
- 阅读 97
- 下载 35
偏最小二乘(PLS)运算降低电力负荷数据之间的相关性,最小二乘支持向量机(LS-SVM)可以获得模型的全局最优预测效果,减少预测过程的运算量。介绍了PLS和LS-SVM的基本原理,给出了PLS-LS-SVM建立短期日电力负荷预测模型的过程,并用于某地区2008年的用电日负荷预测,预测的平均相对误差和最大相对误差分别为0.685%和8.8599%。与基于AR(1)模型的预测结果相比,PLS-LS-SVM模型更高的预测准确性可为短期电力负荷预测提供有效依据。
对不起，您暂无在线预览权限，如需浏览请
立即登录热门商品
相关推荐
基于偏最小二乘支持向量机的短期电力负荷预测方法研究 970KB
改进粒子群算法和最小二乘支持向量机的电力负荷预测 1.7MB
基于偏最小二乘法的支持向量机短期负荷预测 754KB
基于灰色模型和最小二乘支持向量机的电力短期负荷组合预测 276KB
基于最小二乘支持向量机的电力市场出清电价预测方法 545KB
基于最小二乘支持向量机的砂土液化预测方法 278KB
基于最小二乘支持向量机的砂土液化预测方法 243KB
基于SCE-UA支持向量机的短期电力负荷预测模型研究 1.8MB
基于改进极限学习机的短期电力负荷预测方法 871KB
基于最小二乘支持向量机的公路软基沉降预测 197KB