电网技术

2017, v.41;No.398(01) 210-214

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于信息熵和变精度粗糙集优化的支持向量机降温负荷预测方法
Cooling Load Forecasting Method Based on Support Vector Machine Optimized With Entropy and Variable Accuracy Roughness Set

谢敏;邓佳梁;吉祥;刘明波;

摘要(Abstract):

降温负荷持续增长已成为中国南方夏季最大负荷屡创新高的重要原因。提出了一种基于信息熵和变精度粗糙集优化的不确定支持向量机方法,用于中长期降温负荷预测。方法通过挖掘数据中的相互关系去除冗余信息,从输入属性变量集中寻找核心变量。该方法利用基于信息熵改进的变精度粗糙集对支持向量机的条件属性进行约简,得到最小决策表,并将该最小决策表中对应的变量作为支持向量机预测模型的输入属性变量,进行年最大降温负荷预测。且随着预测年份的推移,该支持向量机预测模型的输入属性变量亦将随之滚动更新,能够为电网规划与运行人员提供不同预测时期降温负荷预测需重点关注的影响因子。最后,利用广东省实际数据对广东电网"十二五"和"十三五"年最大降温负荷进行预测,结果表明,所提的预测方法预测效果良好,预测精度稳定,对于中长期预测过程中的各种不确定因素的影响具有较好的鲁棒性,真正实现了中长期降温负荷的动态预测。

关键词(KeyWords): 变精度粗糙集;信息熵;不确定支持向量机;中长期降温负荷预测

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金青年基金资助项目(50907023);; 中国南方电网有限责任公司科技项目(K-GD2012-006)~~

作者(Author): 谢敏;邓佳梁;吉祥;刘明波;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享