牛丽仙
- 作品数：5 被引量：7H指数：2
- 供职机构：华北电力大学电气与电子工程学院更多>>
- 相关领域：电气工程自动化与计算机技术更多>>
- 基于SOFM聚类和支持向量机回归的短期负荷预测
- 本研究针对支持向量机计算开销大,训练时间长的问题,提出了一种基于自组织特征映射(SOFM)聚类分析和支持向量机(SVM)相结合的电力系统短期负荷预测方法。该方法利用自组织特征映射网络,通过无监督学习策略对训练样本集进行聚...
- 苑津莎张英慧牛丽仙刘献伟
- 关键词：电力网络负荷预测聚类分析支持向量机
- 文献传递
- 知识库在电力系统短期负荷预测中的应用
- 电力系统短期负荷预测对于整个电力系统安全、稳定、经济地运行,具有重要的意义。本文针对常规算法在非正常因素影响下负荷预测精度低的问题,研究了一种基于知识库修正的新方法。算法主要是把预测中的非正常曰,划分成不同的曰类型,然后...
- 牛丽仙苑津莎
- 关键词：电网运行计算机技术知识库电力系统短期负荷预测
- 文献传递
- 基于知识库的电力系统短期负荷预测的研究
- 电力系统短期负荷预测对于电力系统安全、稳定、经济地运行,具有重要的意义,非正常日的负荷预测是提高预测精度的关键。本文提出了一种基于知识库修正的负荷预测方法,首先对原始数据进行预处理,然后采用遗传模糊算法对处理过的数据进行...
- 牛丽仙
- 关键词：短期负荷预测C4.5算法知识库
- 基于SOFM和支持向量机回归的短期负荷预测方法被引量：2
- 2009年
- 提出了一种基于自组织特征映射(SOFM)的聚类分析和支持向量机(SVM)的电力系统短期负荷预测方法。该方法首先利用自组织特征映射网络,通过无监督学习策略对训练样本集进行聚类分析,将其分为若干相似子类,再针对每一子类构造一个支持向量机回归模型;使用基于SVM的回归估计算法建立了回归估计函数表达式,给出了基于SOFM和SVM的网络结构;采用河北省某市的实际负荷数据选择样本进行预测。算例表明该方法能够缩短训练时间,提高预测精度。
- 苑津莎张英慧牛丽仙刘献伟
- 关键词：自组织特征映射支持向量机短期负荷预测核函数
- 基于粗糙集和支持向量机的电力系统短期负荷预测被引量：5
- 2010年
- 针对电力系统短期负荷预测中,高维大样本环境下支持向量机算法面临的耗时增大与维数灾问题,将序列最小优化算法(SMO)和粗糙集(RS)理论相结合,提出了一种新的算法——RS-SMO算法。该算法主要是用粗糙集理论进行负荷预测属性的约简,然后用其生成的边界集作为SMO的训练子集,从而使训练集的维数和规模有所减少。采用河北省某市的实际负荷数据进行算例分析,并对RS-SMO和SMO算法的预测结果进行了比较。结果表明,提出的RS-SMO算法有较高的预测精度。
- 牛丽仙苑津莎张英慧
- 关键词：粗糙集支持向量机短期负荷预测
