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
100 积分
50
评分
4.7 积分- 详情
- 2021-04-27
- 简介
pdf
- 276KB
- 页数 6P
- 阅读 65
- 下载 22
提出一种联合灰色模型(grey model,GM)和最小二乘支持向量机回归(least square support vector regression,LSSVR)算法的电力短期负荷智能组合预测方法。在考虑负荷日周期性的基础上,通过对历史负荷数据的不同取舍,构建出各种不同的历史负荷数据序列,并对每个历史数据序列分别建立能修正β参数的GM(1,1)灰色模型进行负荷预测;采用最小二乘支持向量机回归算法对不同灰色模型的预测结果进行非线性组合,以获取最终预测值。该方法在充分利用灰色模型所需原始数据少、建模简单、运算方便等优势的基础上,结合最小二乘支持向量机所具有的泛化能力强、非线性拟合性好、小样本等特性,提高了预测精度。仿真结果验证了所提出组合方法的有效性和实用性。
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
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
基于最小二乘支持向量机的水库来水量预测模型 154KB
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
基于最小二乘支持向量机的公路软基沉降预测 197KB
基于最小二乘支持向量机回归的单桩竖向极限承载力预测 147KB
隧道围岩变形预测的最小二乘支持向量机方法 303KB
基于改进的灰色模型和支持向量机的风电功率预测 7.2MB
组合灰色预测模型在电力负荷预测中的应用 195KB
基于偏最小二乘法的支持向量机短期负荷预测 754KB