基于多重核学习支持向量机短期负荷预测研究

• 作者: 姚建刚 孔强 孙谦 康童 毛田 汪梦健
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 短期负荷预测 多重核学习 支持向量机 核函数
• 年，卷（期）: 2012,（33）
• 所属期刊栏目: 工程与应用
• 页码范围: 207-211
• 页数: 5页
• 分类号: TM715
• 字数: 3647字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1207-0260

摘要

近年来,支持向量机(SVM)方法在电力系统负荷预测领域的应用研究成为了热点,鉴于传统的标准支持向量机方法在预测时间和预测精度方面的不足,首次将多重核支持向量回归方法(Multiple Kernel Learning,MKL)应用于电力系统短期负荷预测领域.通过在混合核空间求解二次约束下的二次规划问题实现多重核支持向量回归算法.该方法较标准的支持向量回归算法,不仅可以提高预测性能,而且能够减少支持向量的个数.实际算例表明,该方法能够有效地提高预测精度,缩短预测时间,具有良好的泛化性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姚建刚	湖南大学电气与信息工程学院	221	4287	36.0	52.0
2	康童		2	7	1.0	2.0
3	孔强	湖南大学电气与信息工程学院	1	1	1.0	1.0
4	汪梦健		1	1	1.0	1.0
5	孙谦		2	3	1.0	1.0
6	毛田		3	21	2.0	3.0