購物車(0)
基于KPCA-SVM模型的電力負(fù)荷最大值短期預(yù)測方法
關(guān)鍵詞：電力系統(tǒng) 負(fù)荷 預(yù)測模型
摘要：電力負(fù)荷最大值預(yù)測是電網(wǎng)企業(yè)調(diào)度工作的重要組成部分,其預(yù)測結(jié)果的準(zhǔn)確度將對電能的配送、有效利用率、供電服務(wù)的質(zhì)量以及電力系統(tǒng)的發(fā)展產(chǎn)生重要影響。以安徽某市81天的電力負(fù)荷最大值數(shù)據(jù)為基礎(chǔ),選取影響當(dāng)天電力負(fù)荷最大值的10個(gè)因素,并采用核主成分分析(kernel principal component analysis,KPCA)算法將10維的影響因素降為5維,其累計(jì)貢獻(xiàn)率可達(dá)93.70%。以降維后的5維數(shù)據(jù)為輸入,以徑向基函數(shù)為核函數(shù),并采用交叉驗(yàn)證選擇支持向量機(jī)(support vector machine,SVM)回歸的最佳參數(shù),隨機(jī)選取54組數(shù)據(jù)訓(xùn)練SVM預(yù)測模型,最后進(jìn)行27組數(shù)據(jù)的擬合預(yù)測,擬合預(yù)測的均方誤差為0.0041,相關(guān)系數(shù)為0.9631。研究結(jié)果表明,應(yīng)用KPCA結(jié)合的SVM預(yù)測模型對電力負(fù)荷最大值具有很好的預(yù)測能力。
發(fā)電技術(shù)雜志要求:
{1}本刊參考文獻(xiàn)采用頁下注釋體例，參考文獻(xiàn)和注釋均置于當(dāng)頁地腳（腳注），每頁編序碼，序號用①②③標(biāo)示。
{2}未采用的稿件一般不退，請作者自留底稿。本刊對來稿有刪改權(quán)，不同意者請投稿時(shí)注明。
{3}文稿應(yīng)具有先進(jìn)性、科學(xué)性、實(shí)用性、可錄制性。文稿應(yīng)資料真實(shí)、數(shù)據(jù)準(zhǔn)確、論點(diǎn)鮮明、結(jié)構(gòu)嚴(yán)謹(jǐn)、文字精煉，書寫工整規(guī)范，必要時(shí)應(yīng)做統(tǒng)計(jì)學(xué)處理。
{4}基金項(xiàng)目格式：項(xiàng)目來源+項(xiàng)目編號。
{5}關(guān)鍵詞是表述論文中心內(nèi)容且具有實(shí)質(zhì)意義的詞匯，一般為3~8個(gè)，以分號分隔．盡量采用《漢語牛題詞表》或各專業(yè)豐題詞表提供的規(guī)范詞。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
