排序方式: 共有4条查询结果,搜索用时 125 毫秒
1
1.
针对支持向量机(support vector machine,SVM)负荷预测方法中存在冗余信息、数据量过大而导致的训练时间过长、速度变慢等缺陷,利用模糊粗糙集(Fuzzy Rough Sets,FRS)能有效地处理不精确或不完备知识及冗余信息的特点,提出了一种结合FRS和SVM的短期负荷预测模型,将FRS理论中的属性约简算法用于解决电力负荷中众多影响因素的信息膨胀问题,采用属性约简算法剔除与决策信息不相关的因素,将约简后的因素作为SVM的输入,并采用SVM回归算法预测短期负荷。算例仿真表明,该预测模型可保证预测精度,加快计算速度。 相似文献
2.
3.
运用多种预测方法对中长期电力负荷预测所得结果会相差甚远,而综合各方法的组合预测能够避免其偏颇。由于在小样本和非线性拟合能力方面的优势,支持向量机方法被用于组合预测:多种传统方法预测值作为输入,拟合输入与输出之间的非线性关系,求得预测结果。针对SVM在处理回归问题时算法编程及参数寻优较为复杂的问题,提出了一种基于SVM图形用户界面(Graphical User Interface,GUI)工具箱的组合预测方法。算例分析表明,运用该方法,在预测过程中可直观、方便地应用通用软件工具包,且预测精度较高,便于推广和工程应用。 相似文献
4.
针对负荷密度指标法计算量大、过程复杂、预测精度依赖于大量样本数据的问题,提出基于城市发展水平综合评分的预测法,采用主成分分析法计算城市发展水平综合评分指标,利用该指标和趋势外推技术预测城市的负荷密度值.通过对8个城市的负荷密度值及城市发展水平综合评分值做比较分析,预测其中某一城市的负荷密度值,结果表明预测计算过程简单方便,具有很好的预测效果. 相似文献
1