电网技术

2011, v.35;No.326(01) 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)

基于最小二乘支持向量机和负荷密度指标法的配电网空间负荷预测
Spatial Load Forecasting of Distribution Network Based on Least Squares Support Vector Machine and Load Density Index System

周湶;孙威;任海军;张昀;孙才新;谢国勇;邓景云;

摘要(Abstract):

传统的负荷密度指标的求取方法通常采用经验法或简单类比法,难以满足精度要求,从负荷密度与其影响因素存在着某种非线性关系的角度出发,提出了一种基于最小二乘支持向量机(least squares support vector machine,LS-SVM)的配电网空间负荷预测方法。该方法首先引入模糊C–均值算法把各类用地性质负荷聚类为几个等级,建立比较精确的负荷密度指标体系;然后根据待预测地块的规划属性,在体系中为LS-SVM预测模型选出与预测样本特征更为相似的样本进行训练,提高LS-SVM的泛化能力和预测精度;采用遗传算法对LS-SVM预测模型的参数进行自动优化,进一步提高预测模型的适应性和预测精度,实例验证了该方法的实用性和有效性。

关键词(KeyWords): 空间负荷预测;负荷密度指标法;支持向量机;模糊C–均值聚类;遗传算法

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金项目(50607023);; 重庆市自然科学基金项目(2006BB2189)~~

作者(Author): 周湶;孙威;任海军;张昀;孙才新;谢国勇;邓景云;

Email:

DOI: 10.13335/j.1000-3673.pst.2011.01.011

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