

已閱讀1頁,還剩61頁未讀, 繼續(xù)免費閱讀
版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、提高負荷預測的準確率,對電網的安全穩(wěn)定和經濟運行有至關重要的作用。因此尋求適合所研究地區(qū)的電網負荷預測方法具有重要的應用價值。
本文首先介紹了負荷預測的理論方法,然后分析了最小二乘支持向量機(Lease Squares Support Vector Machine,LS-SVM)的原理和優(yōu)缺點。由于LS-SVM中的兩個重要參數(shù)——核寬度和正則化參數(shù)對預測結果有很大的影響,選取不當將無法保證解的最優(yōu)性。而人工魚群算法具有很好的自
2、適應能力、并行性和全局性,能夠較好的解決LS-SVM參數(shù)優(yōu)化問題。本文對基本人工魚群算法進行了改進,解決了基本算法尋優(yōu)過程后期收斂效率降低的問題,加快了算法的搜索速度和精度。最后將改進人工魚群算法優(yōu)化的LS-SVM模型應用到短期負荷預測中,對預測過程的每一環(huán)節(jié)做了詳細的研究,包括對歷史數(shù)據的預處理、采用相似日法選擇預測模型的輸入負荷樣本等。
針對廣西A地區(qū)的地域特點,分析了該地區(qū)電網負荷影響因素,并通過某典型日的96點負荷進行
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于人工蜂群優(yōu)化LS-SVM短期負荷預測研究.pdf
- 基于K-means聚類的LS-SVM短期負荷預測方法研究.pdf
- 人工魚群神經網絡在短期負荷預測中的應用研究.pdf
- 免疫人工魚群的RBF神經網絡在短期負荷預測中的應用.pdf
- 基于多變量LS-SVM和模糊循環(huán)推理系統(tǒng)的負荷預測.pdf
- LS-SVM在時間序列預測中的理論與應用研究.pdf
- 基于LS-SVM的圍巖位移非線性預測應用研究.pdf
- 基于多核模糊LS-SVM的廣義預測控制.pdf
- 基于LS-SVM的時間序列預測方法及其應用研究.pdf
- LS-SVM在γ能譜分析中的應用研究.pdf
- 基于LS-SVM的軸承故障趨勢預測方法研究.pdf
- 基于LS-SVM的入侵檢測.pdf
- 基于LS-SVM的非線性預測控制研究.pdf
- 人工神經網絡在短期負荷預測中的應用.pdf
- 基于LS-SVM模型的證券價格可預測性研究.pdf
- 基于LS-SVM的半圓拱形巷道無線信道建模與預測.pdf
- 魚群灰色預測模型在電力負荷預測中的應用.pdf
- 基于LS-SVM的多標簽分類算法.pdf
- 基于LS-SVM的fMRI數(shù)據分析.pdf
- 基于LS-SVM在線模型的非線性預測控制研究.pdf
評論
0/150
提交評論