短期负荷预测中支持向量机模型的参数选取和优化方法

• 作者: 刘鹤立 谢宏 魏江平
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 关键词: 负荷预测 支持向量机 高斯核函数 参数选取 泛化性能
• 年，卷（期）: 2006,（22）
• 所属期刊栏目: 电力系统
• 页码范围: 17-22
• 页数: 6页
• 分类号: TM7
• 字数: 5038字
• 语种: 中文
• DOI: 10.3321/j.issn:0258-8013.2006.22.004

摘要

讨论了基于支持向量机的电力系统负荷预测模型建模方法.对建立支持向量机模型,通过对模型结构的分析,提出了模型学习参数的选取方法,给出了基于最优方向搜索的高斯核函数参数的优化算法.针对负荷预测模型,对模型的输入变量采用规范化预处理消除了量纲不一致对SVM模型的不利影响,通过对数变换将模型输出的相对误差转化为模型输出的绝对误差,便于模型学习参数的选择.最后采用实际数据对该方法进行了模拟计算,其结果表明该方法可以有效地降低SVM模型的建模误差和测试误差,而且SVM模型比模糊模型和神经网络模型有更好的泛化性能和预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢宏	上海海事大学信息工程学院	74	842	11.0	27.0
2	魏江平		10	221	5.0	10.0
3	刘鹤立	上海海事大学信息工程学院	3	173	3.0	3.0