期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于经验模态分解与支持向量回归机的输电量预测技术 被引量:3
1
作者 温玉灯 《电器与能效管理技术》 2019年第18期6-12,共7页
为了实现对输电量的准确预测,采用一种经验模态分解(EMD)与支持向量回归机(SVM)相结合的方法,对输电线路的日输电量进行时间序列预测。首先通过EMD将输电量序列分解为8个分量,对每个分量采用支持向量回归算法建立不同的模型,将每个模型... 为了实现对输电量的准确预测,采用一种经验模态分解(EMD)与支持向量回归机(SVM)相结合的方法,对输电线路的日输电量进行时间序列预测。首先通过EMD将输电量序列分解为8个分量,对每个分量采用支持向量回归算法建立不同的模型,将每个模型预测的分量叠加得到线路日输电量的预测值。通过模型测试比较,所提算法对日输电量具有较好的预测效果,精度指标MAPE值平均为2.345%,RMSE值平均为8.5321×10 4。试验结果表明,所提算法比单独使用支持向量回归算法的预测精度要高,所提模型能够实现对日输电量的准确预测。 展开更多
关键词 输电量预测 经验模态分解 支持向回归机 时间序列预测
下载PDF
基于极限学习机的输电量预测模型研究 被引量:1
2
作者 郑熠旻 《电力学报》 2019年第4期354-362,共9页
电力系统的输电量预测是电网调度人员的参考指标之一,输电量预测的准确性与时效性在一定程度上影响着用户的用电质量。电力系统运在行过程中,每天都会产生大量的运行数据,为了利用这些大数据以及更好地实现输电线路输电量预测精度和快速... 电力系统的输电量预测是电网调度人员的参考指标之一,输电量预测的准确性与时效性在一定程度上影响着用户的用电质量。电力系统运在行过程中,每天都会产生大量的运行数据,为了利用这些大数据以及更好地实现输电线路输电量预测精度和快速性,提出了基于极限学习机的输电线路输电量预测模型。通过实验表明,该模型有良好的预测精度,对不同输电线路的输电量数据有着不错的泛化能力。通过与小波神经网络预测结果的对比,所建模型的训练和测试时间比小波神经网络快了约67s,尤其模型的训练时间极短,该模型预测的MAPE值要比小波神经网络低9%左右。 展开更多
关键词 电力系统 输电量预测 极限学习机 小波神经网络
下载PDF
基于经验模态分解和极限学习机的日输电量分时建模预测 被引量:17
3
作者 庞红旗 高飞翎 +3 位作者 程国开 罗玉鹤 陈静 温步瀛 《智慧电力》 北大核心 2021年第9期63-69,共7页
电网运行电量数据呈现出海量化高维化的发展趋势,为有效利用这些大数据建立电量预测模型,提出了一种分时建模、经验模态分解和极限学习机相结合的方法。将每日输电量划分为峰、平、谷3个时段,并对每个时段的输电量曲线进行经验模态分解... 电网运行电量数据呈现出海量化高维化的发展趋势,为有效利用这些大数据建立电量预测模型,提出了一种分时建模、经验模态分解和极限学习机相结合的方法。将每日输电量划分为峰、平、谷3个时段,并对每个时段的输电量曲线进行经验模态分解,再采用极限学习机训练得到各分量的预测模型,最后通过叠加合并得到最终的输电量预测值。通过与传统的极限学习机进行比较,结果表明所提方法可有效地提高模型的预测精度。 展开更多
关键词 输电量预测 峰平谷分时建模 经验模态分解 极限学习机
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部