共查询到19条相似文献,搜索用时 78 毫秒
1.
2.
3.
4.
5.
支持向量机SVM(support vector machine)方法的合理参数选择对提高回归结果的准确性有重要作用.该文采用基于支持向量机短期负荷预测的参数选择方法,用遗传算法对参数种群进行编码、交叉、复制和变异,求得最优参数和最优核函数.将该算法应用于电力系统短期负荷预测中,应用了筛选和不筛选特征值两种方案对历史数据进行了预测.算例证明,无论是应用筛选特征值方案还是不筛选特征值方案,参数选择对预测精度提高都具有重要作用. 相似文献
6.
利用现场录波数据,对电力负荷随机扰动的数字特征进行了系统地研究。为消除记录装置本身可能造成的干扰,首先完成了不良数据的剔除和高频干扰的滤波,然后分别对有功、无功负荷随机扰动的均值、均方差进行计算,对序列的平稳性、正态性进行了讨论分析,指出扰动序列相关函数、谱密度等方面的特点及其对负荷建模的影响。 相似文献
7.
8.
基于AHP的实用中长期电力负荷预测最优综合模型 总被引:2,自引:0,他引:2
针对中长期电力负荷预测特点,提出一种基于AHP(层次分析法)的中长期电力负荷预测最优综合模型。以历史数据的拟合精度、预测结果与未来经济社会发展的一致性、预测者对模型的信赖度为目标准则;通过自适应进化规划和判断矩陈的方法确定综合模型的最优权重。基于AHP的最优综合模型不令依靠科学计算,而且也考虑了专家经验,将基于AHP的最优综合模型的预测结果与传统综合模型的预测结果相比,误差较小,精度较高,在实用中取得了满意的结果。 相似文献
9.
电力系统综合负荷模型的辨识方法研究 总被引:7,自引:3,他引:7
针对电力系统综合负荷模型有些参数仅利用常规信息不可辨识的问题,提出增加利用扰动 后稳态条件的信息,从而解决了可辨识性的问题;同时将遗传算法(GA)引入到辨识方法中, 克服了传统辨识方法对初值要求高、鲁棒性差、容易陷于局部极值点的缺陷,对复杂模型 的辨识是行之有效的。 相似文献
10.
11.
12.
提出了一种基于模糊逻辑原理的负荷预测方法,使用遗传算法对系统参数进行训练。在以往的模糊逻辑系统建立过程中,其主要参数(如模糊推理规则和隶属函数等)需要依靠运行人员经验或专家知识来确定,而本文利用遗传算法,通过对样本数据的自学习过程来获取系统参数。在遗传算法中,将推理规则与隶属函数参数的确定结合在一起,从而确定系统参数的最优组合,由此建立起一个较合理的模糊负荷预测系统。仿真实验结果表明,该方法能够达到满意的预测精度,具有良好的实用前景。 相似文献
13.
14.
针对不同电气输入特征与电力系统暂态稳定关联程度不同以及当输入特征受到干扰时评估准确率明显下降的问题,提出一种基于Fisher Score特征选择的电力系统暂态稳定评估方法。设计一种面向电力系统暂态稳定评估二分类问题的样本特征Fisher Score值计算方案;通过Fisher Score值排序有效区分重要特征与冗余特征、噪声特征与非噪声特征;将选择的电气特征输入不同机器学习模型中进行训练和评估。新英格兰39节点系统和IEEE 145节点系统的仿真结果表明,所提特征选择方案能有效筛选电力系统暂态稳定评估中重要度高的特征,提升了评估模型的预测性能。 相似文献
15.
乔维德 《电力系统保护与控制》2007,35(17):17-21
粒子群优化(PSO)算法是基于群智能的全局优化技术,它通过粒子间的相互作用,对解空间进行智能搜索,从而发现最优解。该文对基本粒子群算法进行改进,并将改进粒子群优化算法与误差反向传播(BP)算法结合起来构成的混合算法用于训练人工神经网络,对短期电力负荷进行预测。实践结果表明:改进PSO-BP算法有效地解决常规BP算法学习网络权值和阈值收敛速度慢、易陷入局部极小等问题,具有较快的收敛速度和较高的预测精度。 相似文献
16.
徐光虎 《电力系统保护与控制》2004,32(12):21-24
运用遗传规划法进行中长期负荷预测,将预测模型作为遗传规划中的个体,根据"优胜劣汰"的原则,运用复制、变异和交叉三个主要的遗传算子操作,搜索最优预测模型。它根据历史样本数据自动生成负荷预测模型,包括模型的函数形式以及模型参数。同时在模型的实现上对遗传个体进行Read线性编码,用十进制编码来代替个体树,通过对编码的操作来实现各种遗传操作,极大地提高了程序运算效率。通过对某地的年用电量进行预测,同时与传统的多元线性回归模型进行比较,结果表明,GP模型可以显著提高预测精度。 相似文献
17.
18.
带钢表面缺陷形式的复杂多变给特征的选择带来了困难,为此,提出一种融合特征筛选和样本权值更新的R-Ada Boost特征选择算法。该算法在Ada Boost算法的每个循环中通过Relief算法进行特征的筛选与降维,通过筛选后的特征利用样本的类内类间差去除噪声样本,然后根据Ada Boost的动态权值更新样本库,再利用每个循环优化选择得到的最优特征与弱分类器级联成最终的Ada Boost强分类器,进行带钢表面缺陷的检测与定位。实验结果表明,针对带钢实际生产线上的划痕、褶皱、山脉、污点等多种缺陷,该算法可以有效提取出具有高区分性和独立性的特征,同时提高了缺陷检测算法的准确率。 相似文献
19.
随机因素的增加导致电力负荷数据成分日渐复杂,使短期负荷预测的难度逐渐增大。针对该问题,提出一种时频尺度下的时间卷积网络与多元线性回归相融合的组合预测模型。利用自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)在时频域上将负荷数据分解为若干个频率特征不同的本征模态分量,在模糊熵准则下聚类为随机项和趋势项。采用皮尔逊系数从诸多影响因素中筛选出与电力负荷高度相关的特征,鉴于小时间尺度分析更易于挖掘局部细节特征,分别构建了随机项与趋势项的细颗粒度特征集。利用具有强非线性处理能力的时间卷积网络(temporal convolutional network, TCN)去预测随机项,利用结构简单及线性拟合效果好的多元线性回归(multiple linear regression, MLR)去预测趋势项,将二者的预测结果进行叠加重构后获得最终预测值。在新加坡和比利时两组数据集上的实验结果证明:所提模型具有较高的预测精度、较好的泛化性能及鲁棒性。 相似文献