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:
理论研究中基于支持向量机的负荷预测的精度已得到了验证,但实际应用中还与其对当地负荷特性的适应性及工作人员对相应软件的应用密切相关,需要进一步验证并解决可能出现的问题.因此,为了将支持向量机预测法应用到新疆电网实际工作中并确保其精度,笔者通过实例将向量机预测法与BP神经网络预测法作了比较,其结果证明了该方法对新疆电网负荷特性具有更好的适应性,同时,重点探讨了在实际应用中出现训练集与预测集存在交集时预测精度与数据重合程度间的非线性关系,并指出预测时需对数据重合程度不同的训练集与预测集的组合进行选择,以确保预测精度.
推荐文章
基于支持向量机的短期负荷预测
电力系统负荷
短期预测
支持向量机
网格法
基于支持向量机回归的电力负荷预测研究
结构风险最小化
支持向量机
支持向量回归
电力负荷预测
神经网络
基于相似日的支持向量机短期负荷预测
负荷预测
最小二乘支持向量机
细菌趋化
相似日
日期距离
应用小波变换和支持向量机的商业电力负荷预测
商业电力
负荷预测
支持向量机
小波分解
节能
数据采集系统
粒子群算法
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 基于支持向量机负荷预测应用的探究
来源期刊 黑龙江电力 学科 工学
关键词 支持向量机 新疆电网 负荷预测 数据重合度
年,卷(期) 2012,(4) 所属期刊栏目 分析与研究
研究方向 页码范围 259-262
页数 分类号 TM715
字数 2873字 语种 中文
DOI 10.3969/j.issn.1002-1663.2012.04.005
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 加玛力汗·库马什 新疆大学电气工程学院 29 161 7.0 11.0
2 杨桂兴 新疆大学电气工程学院 6 61 3.0 6.0
3 李鹏飞 新疆大学电气工程学院 4 39 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (75)
共引文献  (428)
参考文献  (8)
节点文献
引证文献  (3)
同被引文献  (0)
二级引证文献  (0)
1990(2)
  • 参考文献(0)
  • 二级参考文献(2)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(4)
  • 参考文献(0)
  • 二级参考文献(4)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(5)
  • 参考文献(0)
  • 二级参考文献(5)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(7)
  • 参考文献(1)
  • 二级参考文献(6)
2003(10)
  • 参考文献(1)
  • 二级参考文献(9)
2004(11)
  • 参考文献(1)
  • 二级参考文献(10)
2005(8)
  • 参考文献(0)
  • 二级参考文献(8)
2006(6)
  • 参考文献(0)
  • 二级参考文献(6)
2007(6)
  • 参考文献(0)
  • 二级参考文献(6)
2008(5)
  • 参考文献(3)
  • 二级参考文献(2)
2009(4)
  • 参考文献(1)
  • 二级参考文献(3)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(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)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
支持向量机
新疆电网
负荷预测
数据重合度
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
黑龙江电力
双月刊
1002-1663
23-1471/TM
大16开
哈尔滨市香坊区建北街61号
1979
chi
出版文献量(篇)
3200
总下载数(次)
3
总被引数(次)
8902
论文1v1指导