基于谱分析与LS-SVM的中期电力负荷预测

针对支持向量机方法在短系列电力负荷预测中存在空间划分参数的选择受主观因素影响的缺点,提出了谱分析和最小二乘支持向量机相结合的负荷预测方法.该方法采用谱分析预测实际发生最大电力负荷值的周期,根据周期采确定SVM的训练模型.该方法可有效地避免参数选择中的人为因素,提高预测精度.从实际算例可看出,除最后一个点位相对误差为8.67%外,其余最位的相对误差均低于±5%,实测值与预测值的拟合度较好,预测精度较高.     

LS-SVM在电力系统负荷预测中的应用

针对支持向量机(SVM)法预测电力负荷存在空间划分参数率定人为因素影响的缺陷,采用谱分析法进行周期分析,比较了二次函数趋势的年负荷序列与周期性月负荷序列,并采用最小二乘支持向量机(LS-SVMlabl.5)法预测负荷.实例结果表明,周期性的月负荷序列实测值与预测值拟合度较好,预测精度高、简捷、合理、实用.     

基于降水一径流模型的中长期径流预测

通过物理成因分析确定了降水与径流的相关性,并采用相关概率法,利用卡方检验证明黄河上游贵德站降水与径流相关关系显著。在此基础上,采用最小二乘支持向量机方法建立了降水一径流预测模型。计算结果表明,预测的十个点位值,除一个不满足流量距平值小于10%的要求以外,余者的预测流量值与多年平均值相比均小于10%,预测精度相对较好。     

基于谱分析与LS-SVM的中期电力负荷预测

针对支持向量机方法在短系列电力负荷预测中存在空间划分参数的选择受主观因素影响的缺点,提出了谱分析和最小二乘支持向量机相结合的负荷预测方法。该方法采用谱分析预测实际发生最大电力负荷值的周期,根据周期来确定SVM的训练模型。该方法可有效地避免参数选择中的人为因素,提高预测精度。从实际算例可看出,除最后一个点位相对误差为8.67%外,其余点位的相对误差均低于±5%,实测值与预测值的拟合度较好,预测精度较高。     

管桩混凝土的配合比试配试验研究

通过管桩混凝土(C80)的配合比试配试验,分析了不同石子和不同水泥以及掺加粉煤灰和不掺加粉煤灰对混凝土强度的影响。从而确定出较合理的配合比用于生产之中。