基于支持向量机的短期负荷预测被引量：1

下载PDF

导出

摘要电力负荷预测的准确性对电力系统安全运行和经济建设有着越来越显著的作用。本文提出一种基于支持向量机的电力系统短期负荷预测方法，将SVM引入短期负荷预测，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，以佛山地区的负荷数据，结果证明了该方法预测速度快，并且能提高电力负荷的预测精度。

作者熊焰雄

机构地区广东电力投资有限公司

出处《电子世界》 2014年第23期106-107,共2页 Electronics World

关键词电力系统无功优化潮流计算筒化梯度法

分类号 TM715 [电气工程—电力系统及自动化]

引文网络
相关文献

参考文献13

1李艳红,雷金辉.电力负荷时间序列预测的应用与研究[J].科学技术与工程,2011,11(4):860-864. 被引量：9
2王晛,张少华.一种应用时间序列技术的短期电力负荷预测模型[J].上海大学学报（自然科学版）,2002,8(2):133-136. 被引量：9
3李暗书.时间序列分析在电力负荷预测中的应用研究[D].秦皇岛:燕山大学,2009.
4张颖,高中文.基于时间序列和神经网络的电力系统负荷预测[J].哈尔滨理工大学学报,2003,8(1):30-32. 被引量：19
5邹森.时间序列自适应短期负荷预测[J].山东工业大学学报,1988,18(2):43-49.
6王秋梅.时间序列法负荷预测的原理和应用[J].华东电力,1993,21(4):37-39. 被引量：5
7Ren Boqiang,Jiang Chuanwen.A review on the economic dispatch and risk management considering wind power in the power market[J].Renewable and Sustainable Energy Reviews.2009(13):2069-2074.
8关薇.时间序列在电力系统负荷预测中的应用[D].北京:北方工业大学,2008.
9刘霖雯,刘超,江成顺.EMD新算法及其应用[J].系统仿真学报,2007,19(2):446-447. 被引量：42
10杨云飞,鲍玉昆,胡忠义,张瑞.基于EMD和SVMs的原油价格预测方法[J].管理学报,2010,7(12):1884-1889. 被引量：31

二级参考文献58

1康重庆,夏清,张伯明.电力系统负荷预测研究综述与发展方向的探讨[J].电力系统自动化,2004,28(17):1-11. 被引量：499
2丁坚勇,刘云.基于负荷特征提取的神经网络短期负荷预测[J].高电压技术,2004,30(12):47-49. 被引量：17
3李天云,赵妍,李楠.基于EMD的Hilbert变换应用于暂态信号分析[J].电力系统自动化,2005,29(4):49-52. 被引量：77
4李林川,夏道止,杨振平,王立成,邓永辉,张莉芳,董彬.应用人工神经网络进行短期负荷预测[J].电力系统及其自动化学报,1994,6(3):33-41. 被引量：24
5韦钢,贺静,张一尘.中长期电力负荷预测的盲数回归方法[J].高电压技术,2005,31(2):73-75. 被引量：21
6梁强,范英,魏一鸣.基于小波分析的石油价格长期趋势预测方法及其实证研究[J].中国管理科学,2005,13(1):30-36. 被引量：52
7钟佑明,金涛,秦树人.希尔伯特-黄变换中的一种新包络线算法[J].数据采集与处理,2005,20(1):13-17. 被引量：43
8WANGShouyang,YULean,K.K.LAI.CRUDE OIL PRICE FORECASTING WITH TEI@I METHODOLOGY[J].Journal of Systems Science & Complexity,2005,18(2):145-166. 被引量：73
9张晓星,程其云,周湶,刘凡,孙才新.激励函数可调的混沌神经网络短路负荷预测[J].高电压技术,2005,31(7):51-54. 被引量：9
10李莉,栗然.数据挖掘技术用于负荷与负荷影响因素的相关性分析[J].华北电力大学学报（自然科学版）,2006,33(6):15-19. 被引量：4

共引文献173

1綦方中,俞婷婷,朱国荣.一种基于RFE特征选择的PSO-SVR用电需求预测模型[J].计算机应用研究,2020,37(S01):105-107. 被引量：10
2唐振鹏,张婷婷,吴俊传,杜晓旭,陈凯杰.基于混合模型的原油价格多步预测研究[J].计量经济学报,2021(2):346-361. 被引量：7
3潘龙,王建国,陈陆望.连拱隧道浅埋偏压段的受力和变形机制研究[J].岩石力学与工程学报,2011,30(S2):3557-3566. 被引量：12
4黄小耘,欧阳卫年,吴树鸿,李高明,金鑫,杨少将.实时电价条件下的短期负荷预测研究[J].自动化与仪器仪表,2016(5):10-11.
5吕干云,程浩忠,丁屹峰.基于多指数平滑预测模型的中长期需电量预测[J].华东电力,2004,32(7):8-10. 被引量：4
6袁晓辉,王乘,张传勇,袁晓辉,袁艳斌.电力系统短期负荷预测方法的进展[J].电气自动化,2004,26(6):3-6. 被引量：6
7张锋,张怡,周剑波,吴劲晖.基于SSTLF与AGC的机组出力调度系统设计[J].继电器,2005,33(7):70-74. 被引量：1
8杨秀媛,肖洋,陈树勇.风电场风速和发电功率预测研究[J].中国电机工程学报,2005,25(11):1-5. 被引量：584
9王逸林,梅继丹,蔡平.水声矢量信号的希尔伯特黄变换仿真研究[J].系统仿真学报,2008,20(15):4173-4175. 被引量：7
10郭小红,徐小辉,赵树强.基于经验模态分解的外弹道降噪方法及应用[J].宇航学报,2008,29(4):1272-1275. 被引量：6

同被引文献6

1周明,严正,倪以信,李庚银.含误差预测校正的ARIMA电价预测新方法[J].中国电机工程学报,2004,24(12):63-68. 被引量：32
2谢宏,魏江平,刘鹤立.短期负荷预测中支持向量机模型的参数选取和优化方法[J].中国电机工程学报,2006,26(22):17-22. 被引量：93
3刘进波,陈鑫,李新花.基于LM算法的BP神经网络的电力负荷短期预测[J].经济数学,2015,32(2):34-38. 被引量：7
4温永轲,李福志,董捷.人工神经网络应用于电力系统短期负荷预测的探讨[J].通讯世界,2015,21(7):171-172. 被引量：2
5郭锐.电能质量监测数据清洗技术研究[J].中国科技博览,2015,0(35):185-185. 被引量：1
6赵东雷,李丹华,库巍,李文浩,花广如.基于神经网络的电力系统短期负荷预测[J].华北电力技术,2017(9):22-27. 被引量：5

引证文献1

1李冉冉.基于尖峰消除及小波平滑的新型电力负荷数据清洗策略的研究[J].自动化应用,2018(6):84-87.

1郁景礼,高博.佛山地区500 kV变电站设备运行缺陷分析[J].电力系统装备,2008(9):64-67.
2欧阳旭.浅谈中外智能电网的异同与佛山地区智能电网的发展现状[J].电子测试,2014,25(S2):190-192.
3林乐彤.变电站监控系统与微机防误系统通信的设计[J].贵州电力技术,2003,6(2):30-32.
4陈亮宏,罗毅初,龙雪涛.基于支持向量机的短期负荷预测[J].机电工程技术,2012,41(12):18-20. 被引量：2
5王李东,李志宇,文劲宇.基于SVR算法的短期负荷快速预测研究[J].继电器,2005,33(9):17-20. 被引量：4
6司利云,林辉.支持向量机的开关磁阻电动机转子位置估计器[J].微特电机,2007,35(10):10-13.
7吴秀球.高压电缆本体在线监测系统的配置探讨[J].佛山科学技术学院学报（自然科学版）,2016,34(1):83-87.
8郁景礼,高博.佛山地区500kV变电站设备运行缺陷分析[J].广东电力,2009,22(2):68-72. 被引量：5
9麦杰涛.从电网企业角度分析佛山地区光伏发电系统并网影响及相关措施[J].电子测试,2014,25(S1):125-127. 被引量：2
10袁资生.佛山地区110kV电网网架运行主要问题及对策[J].中国科技信息,2011(13):19-20. 被引量：1

电子世界

2014年第23期

浏览历史

内容加载中请稍等...

基于支持向量机的短期负荷预测被引量：1

参考文献13

二级参考文献58

共引文献173

同被引文献6

引证文献1

相关作者

相关机构

相关主题

浏览历史

基于支持向量机的短期负荷预测 被引量：1

参考文献13

二级参考文献58

共引文献173

同被引文献6

引证文献1

相关作者

相关机构

相关主题

浏览历史

基于支持向量机的短期负荷预测被引量：1