电网技术

2008, No.276(07) 66-71

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

基于负荷混沌特性和最小二乘支持向量机的短期负荷预测
Short-Term Load Forecasting Based on Chaotic Characteristic of Loads and Least Squares Support Vector Machines

王德意;杨卓;杨国清;

摘要(Abstract):

以负荷时间序列的混沌特性为基础,结合混沌时间序列的相空间重构理论和支持向量机的回归理论建立了一种基于负荷混沌特性和最小二乘支持向量机的短期负荷预测模型。首先将原始负荷数据进行相空间重构,形成相点序列,然后选择与当前相点最邻近的相点作为此负荷预测模型的训练样本,经过训练寻求决策函数后就可以求出包含预测点的相点,最后还原此相点得出预测值。通过与BP神经网络的预测结果进行比较,证明了该模型在短期负荷预测中的有效性。

关键词(KeyWords): 混沌特性;相空间重构;支持向量机(SVM);回归;最小二乘支持向量机(LS-SVM);短期负荷预测

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 王德意;杨卓;杨国清;

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