基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
将支持向量回归(SVR)算法引入短期负荷预测,为提高预测速度,根据负荷预测的特点,提出了一种SVR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结果.和传统的SVR算法比较,它能在保证精度的同时大大减少支持向量的数目,具有更快的收敛性.仿真结果表明了算法的有效性.
推荐文章
分布式SVR在短期负荷预测中的研究
负荷预测
Hadoop平台
支持向量机
参数优化
集成RS和SVR的电力系统短期负荷预测方法
电力系统
训练样本
短期负荷预测
粗糙集
支持向量回归
基于CS-SVR模型的短期风电功率预测
功率预测
布谷鸟搜索算法
支持向量回归机
参数寻优
异常数据剔除
基于PSO?BP神经网络的短期负荷预测算法
短期负荷预测
BP神经网络
粒子群算法
零相滤波器
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于SVR算法的短期负荷快速预测研究
来源期刊 继电器 学科 工学
关键词 短期负荷预测 支持向量机 支持向量回归
年,卷(期) 2005,(9) 所属期刊栏目 应用研究
研究方向 页码范围 17-20,49
页数 5页 分类号 TM715
字数 3979字 语种 中文
DOI 10.3969/j.issn.1674-3415.2005.09.005
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 文劲宇 华中科技大学电气与电子工程学院 131 2439 26.0 47.0
2 王李东 华中科技大学电气与电子工程学院 4 24 2.0 4.0
3 李志宇 1 22 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (11)
共引文献  (295)
参考文献  (7)
节点文献
引证文献  (22)
同被引文献  (18)
二级引证文献  (39)
1988(1)
  • 参考文献(1)
  • 二级参考文献(0)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(1)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(4)
  • 参考文献(2)
  • 二级参考文献(2)
2001(5)
  • 参考文献(0)
  • 二级参考文献(5)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2006(3)
  • 引证文献(3)
  • 二级引证文献(0)
2007(2)
  • 引证文献(2)
  • 二级引证文献(0)
2008(5)
  • 引证文献(5)
  • 二级引证文献(0)
2009(2)
  • 引证文献(2)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(4)
  • 引证文献(2)
  • 二级引证文献(2)
2012(4)
  • 引证文献(1)
  • 二级引证文献(3)
2013(9)
  • 引证文献(2)
  • 二级引证文献(7)
2014(3)
  • 引证文献(0)
  • 二级引证文献(3)
2015(8)
  • 引证文献(2)
  • 二级引证文献(6)
2016(7)
  • 引证文献(1)
  • 二级引证文献(6)
2017(4)
  • 引证文献(0)
  • 二级引证文献(4)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
2019(7)
  • 引证文献(1)
  • 二级引证文献(6)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
短期负荷预测
支持向量机
支持向量回归
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电力系统保护与控制
半月刊
1674-3415
41-1401/TM
大16开
河南省许昌市许继大道1706号
36-135
1973
chi
出版文献量(篇)
11393
总下载数(次)
13
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导