收藏本站
《华中科技大学》 2005年
收藏 | 手机打开
二维码
手机客户端打开本文

基于支持向量机(SVM)的短期负荷预测的研究

王李东  
【摘要】:短期负荷预测是电力系统安全经济运行的前提,随着分时电价方式的推广和电力市场化改革的深入,电力公司力求及时、准确地把握负荷变化的信息,对负荷预测的重要性和迫切性提到了前所未有的高度,同时也对负荷预测的精度提出了更高的要求,这必将推动我国对负荷预测新方法、新技术的研究。现有研究表明,人工神经网络是一种较好的短期负荷预测的方法,但是,人工神经网络存在数学理论基础不确定、收敛速度慢、难以找到全局最优解等不足,限制了它在实际电力系统中的应用和推广。最近一些学者提出了支持向量机(Support Vector Machine, SVM)算法,SVM 是基于结构风险最小化原则的新型机器学习方法,有着比传统的基于经验风险最小化原则的人工神经网络更优越的性能。因此,本文将SVM 引入短期负荷预测,以期开发出一种性能更加优越的短期负荷预测方法。 论文首先全面、系统地阐述了负荷预测和SVM 的应用研究现状,概括了负荷预测的特点、要求及其影响因素,归纳了短期负荷预测常用的模型和方法,并分析了各种方法的优劣; 接着详细介绍了作为SVM 理论基础的统计学习理论和SVM 的原理,推导了SVM 分类模型和回归模型,对其中的关键问题进行了细致的研究; 之后将SVM 引入短期负荷预测,为提高预测速度,根据短期负荷预测的特点,设计了一种新的在线训练算法,该算法通过不断输入新的负荷数据来更新回归函数,以获得更快的计算速度和较好的预测精度,和常规的SVM 回归算法相比,新算法能在保证精度的同时大大减少支持向量的数目,从而具有更快的收敛性,仿真结果证明了该方法的有效性; 论文最后对主要工作和研究内容进行了总结,并提出了有待进一步研究的问题。
【学位授予单位】:华中科技大学
【学位级别】:硕士
【学位授予年份】:2005
【分类号】:TM715

【参考文献】
中国期刊全文数据库 前10条
1 程旭,康重庆,夏清,沈瑜;短期负荷预测的综合模型[J];电力系统自动化;2000年09期
2 金海峰,熊信艮,吴耀武;基于级联神经网络的短期负荷预测方法[J];电网技术;2002年03期
3 魏伟,牛东晓,常征;负荷预测技术的新进展[J];华北电力大学学报;2002年01期
4 王国鹏,翟永杰,封官斌,王东风;模糊支持向量机在汽轮机故障诊断中的应用[J];华北电力大学学报;2003年04期
5 杨镜非,谢宏,程浩忠;SVM与Fourier算法在电网短期负荷预测中的应用[J];继电器;2004年04期
6 姜勇;电力系统中短期负荷预测方法简介[J];东北电力技术;2002年08期
7 孙海斌,李扬,卢毅,王磊,唐国庆;电力系统短期负荷预测方法综述[J];江苏电机工程;2000年02期
8 ;《计算机工程与应用》2005年(第41卷)总目次[J];计算机工程与应用;2005年36期
9 王定成,方廷健,高理富,马永军;支持向量机回归在线建模及应用[J];控制与决策;2003年01期
10 李建民,张钹,林福宗;支持向量机的训练算法[J];清华大学学报(自然科学版);2003年01期
【共引文献】
中国期刊全文数据库 前10条
1 陈晶;杨春玲;郑安豫;;短期负荷预测的自适应加权支持向量机新方法[J];安徽电气工程职业技术学院学报;2011年01期
2 杨绪兵,韩自存;ε不敏感的核Adaline算法及其在图像去噪中的应用[J];安徽工程科技学院学报(自然科学版);2003年04期
3 陶秀凤,唐诗忠,周鸣争;基于支持向量机的软测量模型及应用[J];安徽工程科技学院学报(自然科学版);2004年02期
4 许高程;张文君;王卫红;;支持向量机技术在遥感影像滑坡体提取中的应用[J];安徽农业科学;2009年06期
5 张师玲;李正明;周新云;孙俊;张兵;;基于改进神经网络的农村电力系统短期负荷预测[J];安徽农业科学;2009年30期
6 郭立萍;唐家奎;米素娟;张成雯;赵理君;;基于支持向量机遥感图像融合分类方法研究进展[J];安徽农业科学;2010年17期
7 周晓华;佘乾仲;王荔芳;;Elman神经网络在农网短期负荷预测中的应用[J];安徽农业科学;2011年04期
8 冯学军;;最小二乘支持向量机的研究与应用[J];安庆师范学院学报(自然科学版);2009年01期
9 邹心遥;姚若河;;基于LSSVM的威布尔分布形状参数估计(英文)[J];半导体技术;2008年06期
10 李卓远,吴为民,王旸,洪先龙;一种新的光学临近校正方法(英文)[J];半导体学报;2003年12期
中国博士学位论文全文数据库 前10条
1 王龙金;零/低航速减摇鳍升力模型及系统控制策略研究[D];哈尔滨工程大学;2009年
2 殷志伟;基于统计学习理论的分类方法研究[D];哈尔滨工程大学;2009年
3 孔凡芝;引线键合视觉检测关键技术研究[D];哈尔滨工程大学;2009年
4 谢忠玉;电力短期负荷时间序列混沌特性分析及预测研究[D];哈尔滨工程大学;2010年
5 李晚龙;六自由度Stewart平台分散智能控制研究[D];哈尔滨工程大学;2010年
6 王晓明;基于统计学习的模式识别几个问题及其应用研究[D];江南大学;2010年
7 刘卫红;垃圾邮件检测与过滤关键技术研究[D];华南理工大学;2010年
8 许伟;基于进化算法的复杂化工过程智能建模方法及其应用[D];华东理工大学;2011年
9 张克俊;基因表达式编程理论及其监督机器学习模型研究[D];浙江大学;2010年
10 渠瑜;基于SVM的高不平衡分类技术研究及其在电信业的应用[D];浙江大学;2010年
【同被引文献】
中国期刊全文数据库 前10条
1 刘玉斌,师杭军,许留存,郭伟,张成,高栋梁;利用铁谱分析技术对汽车发动机状态进行监测[J];车用发动机;2001年04期
2 吴微,陈维强,刘波;用BP神经网络预测股票市场涨跌[J];大连理工大学学报;2001年01期
3 张红霞,唐焕文,林建华;多目标动态投入产出优化模型应用研究[J];大连理工大学学报;2001年05期
4 周鹏,唐焕文;一个中国宏观经济预测模型及算法[J];大连理工大学学报;2003年02期
5 周鹏,唐焕文,赵晶,毛海军;中国宏观经济预测模型算法及应用[J];大连理工大学学报;2004年03期
6 程旭,康重庆,夏清,沈瑜;短期负荷预测的综合模型[J];电力系统自动化;2000年09期
7 赵儆,康重庆,葛睿,沈瑜,夏清;电力市场中多日负荷曲线的预测[J];电力自动化设备;2002年09期
8 刘宝英;杨仁刚;;基于主成分分析的最小二乘支持向量机短期负荷预测模型[J];电力自动化设备;2008年11期
9 温亮,徐德忠,林明和,夏结来,张治英,苏永强;应用时间序列模型预测疟区疟疾发病率[J];第四军医大学学报;2004年06期
10 吴宏晓,侯志俭;基于免疫支持向量机方法的电力系统短期负荷预测[J];电网技术;2004年23期
中国博士学位论文全文数据库 前2条
1 郭崇慧;地区中长期发展规划若干定量模型、算法及应用研究[D];大连理工大学;2002年
2 吴涛;核函数的性质、方法及其在障碍检测中的应用[D];中国人民解放军国防科学技术大学;2003年
【二级引证文献】
中国期刊全文数据库 前1条
1 蔡海洋;吴庆辉;吕精巧;;组合模型在传染病预测中的应用研究[J];计算机仿真;2012年04期
【二级参考文献】
中国期刊全文数据库 前10条
1 钱政,高文胜,尚勇,严璋;基于范例推理的变压器油中气体分析综合诊断模型[J];电工技术学报;2000年05期
2 康重庆,程旭,夏清,沈瑜;一种规范化的处理相关因素的短期负荷预测新策略[J];电力系统自动化;1999年18期
3 汪峰,于尔铿,周京阳;能量管理系统(EMS) 第4讲 电力系统负荷预报[J];电力系统自动化;1997年04期
4 鞠平,李德丰;电力系统综合负荷模型的辨识方法研究[J];电力系统自动化;1997年08期
5 何述东,瞿坦,黄心汉;电力负荷短期预测的改进神经网络方法[J];电力系统自动化;1997年11期
6 张昊,吴捷,郁滨;电力负荷的模糊预测方法[J];电力系统自动化;1997年12期
7 陈红;电力系统短期负荷预测系统的实现[J];电力系统自动化;1997年12期
8 张小平,王伟;短期电力负荷预报的自适应模糊神经网络方法[J];电力系统自动化;1998年01期
9 韩民晓,姚蜀军;短期负荷预测方法的研究及在线应用[J];电力系统自动化;1998年10期
10 康重庆,夏清,刘梅,相年德;应用于负荷预测中的回归分析的特殊问题[J];电力系统自动化;1998年10期
【相似文献】
中国期刊全文数据库 前10条
1 王奔;冷北雪;张喜海;单翀皞;从振;;支持向量机在短期负荷预测中的应用概况[J];电力系统及其自动化学报;2011年04期
2 龚兰芳;张昱;;应用遗传算法优化支持向量机的疲劳裂纹扩展预测[J];现代制造工程;2011年06期
3 肖翔;;支持向量机在变压器故障诊断中的应用[J];科技资讯;2011年15期
4 谢凌然;高长伟;沈玉娣;;基于混合核函数支持向量机的齿轮诊断方法研究[J];机械传动;2011年09期
5 欧敏;林从谋;;支持向量机预测高边坡爆破质点振动速度[J];金属矿山;2011年06期
6 王安娜;李云路;赵锋云;史成龙;;一种新的半监督直推式支持向量机分类算法[J];仪器仪表学报;2011年07期
7 关欣;郭强;张政超;赵静;翟鸿君;;基于核函数支持向量机的雷达辐射源识别[J];弹箭与制导学报;2011年04期
8 王慧勤;雷刚;;基于LIBSVM的风速预测方法研究[J];科学技术与工程;2011年22期
9 余珺;郑先斌;张小海;;基于多核优选的装备费用支持向量机预测法[J];四川兵工学报;2011年06期
10 戴蓉;黄成;;飞机飞行事故率预测建模与仿真研究[J];计算机仿真;2011年07期
中国重要会议论文全文数据库 前10条
1 高荣;刘晓华;;短期负荷预测的模糊聚类多支持向量机模型研究[A];2009中国控制与决策会议论文集(2)[C];2009年
2 刘晓华;高荣;;基于分布式支持向量机的短期负荷预测[A];第二十四届中国控制会议论文集(上册)[C];2005年
3 辛鹏;辛雷;蔡国伟;李晓琦;;一种基于经验模态分解与支持向量机的电力系统短期负荷预测新方法[A];第十一届全国电工数学学术年会论文集[C];2007年
4 卢小芬;林志超;方瑞明;;基于组合式支持向量机的电力系统短期负荷预测方法[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集(中册)[C];2008年
5 叶淳铮;常鲜戎;;基于小波变换和支持向量机的电力系统短期负荷预测[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集(中册)[C];2008年
6 刘耀年;王浩;何昌浩;何萍;;基于支持向量回归机的短期电力负荷预测[A];第十届全国电工数学学术年会论文集[C];2005年
7 林杰华;张斌;李冬森;宋华茂;余志强;王浩;;支持向量机在电力客户信用评级中的应用[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
8 蒋铁军;张怀强;李积源;;多变量系统预测的支持向量机方法研究[A];管理科学与系统科学研究新进展——第7届全国青年管理科学与系统科学学术会议论文集[C];2003年
9 黄淑云;孙兴玉;梁汝萍;邱建丁;;基于小波支持向量机预测蛋白质亚细胞定位研究[A];第十一届全国计算(机)化学学术会议论文摘要集[C];2011年
10 谢湘;匡镜明;;支持向量机在语音识别中的应用研究[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年
中国重要报纸全文数据库 前10条
1 通讯员 池长斌;宁夏电力短期负荷预测保持领先[N];中国电力报;2011年
2 张树斌 范明;湖北电网中、短期负荷预测系统显神威[N];华中电力报;2001年
3 王海亚;负荷预测的几种方法及特点[N];黔西南日报;2008年
4 通讯员池长斌;宁夏电网短期负荷预测西北第一[N];中国电力报;2011年
5 本报记者 林海宇;对迎峰度夏和奥运保电工作再部署再动员[N];华东电力报;2008年
6 李水根;计算机详解配伍与药效关系[N];健康报;2005年
7 课题主持人 李心丹 课题协调人 上海证券交易所 施东晖 傅浩 课题研究员 宋素荣 查晓磊 宾红辉 张许宏 郭静静 黄隽 南京大学工程管理学院;内幕交易与市场操纵的行为动机与判别监管研究[N];中国证券报;2007年
8 清华大学 苏光大;非接触式人脸识别技术[N];计算机世界;2006年
9 宋鹏涛;华北电网多措并举保国庆用电[N];华北电力报;2005年
10 曹琰陈也清;华中电网用电负荷创新高[N];国家电网报;2008年
中国博士学位论文全文数据库 前10条
1 王硕禾;基于短期负荷预测技术的电能控制系统研究[D];天津大学;2009年
2 杜小芳;基于CPFR的农产品采购模型研究[D];华中科技大学;2005年
3 刘育明;动态过程数据的多变量统计监控方法研究[D];浙江大学;2006年
4 栾锋;支持向量机(SVM)和径向基神经网络(RBFNN)方法在化学、环境化学和药物化学中的应用研究[D];兰州大学;2006年
5 孙薇;市场条件下抽水蓄能电站效益综合评价及运营模式研究[D];华北电力大学(河北);2007年
6 常群;支持向量机的核方法及其模型选择[D];哈尔滨工业大学;2007年
7 朱燕飞;锌钡白回转窑煅烧过程智能建模研究[D];华南理工大学;2005年
8 田英杰;支持向量回归机及其应用研究[D];中国农业大学;2005年
9 燕忠;基于蚁群优化算法的若干问题的研究[D];东南大学;2005年
10 任东;基于支持向量机的植物病害识别研究[D];吉林大学;2007年
中国硕士学位论文全文数据库 前10条
1 冷北雪;基于支持向量机的电力系统短期负荷预测[D];西南交通大学;2010年
2 王李东;基于支持向量机(SVM)的短期负荷预测的研究[D];华中科技大学;2005年
3 张红梅;基于支持向量机的电力系统短期负荷预测研究[D];河海大学;2006年
4 邹铁英;基于粗糙集与支持向量机的电力短期负荷预测研究[D];南昌大学;2008年
5 贺媛媛;基于支持向量机的电力系统短期负荷预测模型研究[D];大连理工大学;2006年
6 龚灯才;基于支持向量机的电力短期负荷预测研究[D];河海大学;2006年
7 刘晨;基于支持向量机的电网负荷预测系统研究[D];河北农业大学;2009年
8 叶淳铮;基于小波变换与支持向量机的电力系统短期负荷预测[D];华北电力大学(河北);2009年
9 关颖;支持向量机在电力系统短期负荷预测中的应用[D];天津大学;2006年
10 黄舒宁;基于数据挖掘技术的短期电力负荷预测[D];华侨大学;2008年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026