| 基于LSSVM与SMO稀疏化算法的短期负荷预测 |
| |
| 引用本文： | 刘耀年,沈轶群,姜成元,陈灵根.基于LSSVM与SMO稀疏化算法的短期负荷预测[J].电力系统保护与控制,2008,36(4). |
| |
| 作者姓名： | 刘耀年 沈轶群 姜成元 陈灵根 |
| |
| 摘 要： | 针对最小二乘支持向量机(LSSVM)仅考虑等式约束,失去了支持向量机(SVM)解的稀疏性,影响了二次学习效率的问题,把最小二乘支持向量机与序列最小优化算法(SMO)相结合,后者应用改进的剪枝算法对解进行稀疏化处理,解决了上述问题;算法与最小二乘支持向量机相比降低了计算的复杂度,提高了计算精度.将此方法应用到电力系统短期负荷预测,与SVM和LSSVM算法比较表明该方法运行速度快,精度高,取得了较好的预测结果.
|
| 关 键 词： | 最小二乘支持向量机 序列最小优化 短期负荷预测 剪枝算法 稀疏化 |
A short-term load forecasting approach based on imposing sparseness upon LSSVM integrated SMO algorithms |
| |
| LIU Yao-nian,SHEN Yi-qun,JIANG Cheng-yuan,CHEN Ling-gen.A short-term load forecasting approach based on imposing sparseness upon LSSVM integrated SMO algorithms[J].Power System Protection and Control,2008,36(4). |
| |
| Authors: | LIU Yao-nian SHEN Yi-qun JIANG Cheng-yuan CHEN Ling-gen |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
