投稿入口

基于核主成分分析-支持向量机模型的电力负荷最大值短期预测方法研究

潘巧波

基于核主成分分析-支持向量机模型的电力负荷最大值短期预测方法研究

  • 摘要: 电力负荷最大值是电网企业调度工作的重要组成部分,其预测结果的准确度将对电能的配送、有效利用率、供电服务的质量以及电力系统的发展产生重要影响。该文以安徽某市81天的电力负荷最大值数据为基础,选取影响当天电力负荷最大值的10个因素,并采用KPCA算法将10维的影响因素降为5维,其累计贡献率可达93.70%。以降维后的5维数据为输入,以径向基函数为核函数,并采用交叉验证选择SVM回归的最佳参数,随机选取54组数据训练SVM预测模型,最后进行27组数据的拟合预测,拟合预测的均方误差为0.0041,相关系数为0.9631。研究表明应用KPCA结合的SVM预测模型对电力负荷最大值具有很好的预测能力。
计量
  • 文章访问数:  0
  • HTML全文浏览量:  0
  • PDF下载量:  0
  • 被引次数: 0
出版历程

目录

    /

    返回文章
    返回