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:
支持向量机(SVM)是当前一种比较流行的学习机,具有良好的理论背景,从结构风险最小化原则出发以快速寻找到全局最优的特点.针对当前负荷建模的不足,提出了运用SVM回归来进行电力系统的非机理负荷建模,并给出了负荷建模的具体步骤.与人工神经网络(ANN)对同一个线路负荷进行建模结果比较表明,基于SVM回归的建模效果优于ANN的建模结果,证明了运用SVM的回归进行电力系统负荷建模的可行性,也为电力系统的负荷建模提供了新的思路和方法.
推荐文章
基于小波支持向量回归的电力系统负荷预测
电力负荷
小波支持向量回归
短期预测
混沌动力系统
基于支撑向量机的电力系统峰负荷预测
峰负荷预测
支撑向量机
核函数
交叉有效性验证
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
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 基于支持向量机回归的电力系统负荷建模
来源期刊 江苏电机工程 学科 工学
关键词 电力系统 负荷建模 支持向量机回归 有功负荷 无功负荷
年,卷(期) 2012,(3) 所属期刊栏目 电网技术
研究方向 页码范围 37-38,42
页数 分类号 TM714
字数 2244字 语种 中文
DOI 10.3969/j.issn.1009-0665.2012.03.012
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 崔晓祥 4 12 2.0 3.0
2 李娟 1 7 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (39)
共引文献  (384)
参考文献  (5)
节点文献
引证文献  (7)
同被引文献  (51)
二级引证文献  (44)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(2)
  • 参考文献(1)
  • 二级参考文献(1)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(5)
  • 参考文献(0)
  • 二级参考文献(5)
2002(5)
  • 参考文献(0)
  • 二级参考文献(5)
2003(13)
  • 参考文献(1)
  • 二级参考文献(12)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(3)
  • 参考文献(2)
  • 二级参考文献(1)
2008(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)
2013(2)
  • 引证文献(2)
  • 二级引证文献(0)
2014(4)
  • 引证文献(1)
  • 二级引证文献(3)
2016(3)
  • 引证文献(1)
  • 二级引证文献(2)
2017(4)
  • 引证文献(1)
  • 二级引证文献(3)
2018(11)
  • 引证文献(0)
  • 二级引证文献(11)
2019(20)
  • 引证文献(2)
  • 二级引证文献(18)
2020(7)
  • 引证文献(0)
  • 二级引证文献(7)
研究主题发展历程
节点文献
电力系统
负荷建模
支持向量机回归
有功负荷
无功负荷
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
电力工程技术
双月刊
1009-0665
32-1866/TM
16开
江苏省南京市江宁区帕威尔路1号
1982
chi
出版文献量(篇)
3196
总下载数(次)
7
论文1v1指导