对基于贝叶斯证据框架下WLS-SVM中期负荷预测的研究

• 作者: 陈若曦
• 来源期刊: 自动化技术与应用
• 学科: 工学
• 关键词: 贝叶斯证据框架 最小二乘支持向量机 中期负荷预测 历史数据 鲁棒性
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 控制理论与应用
• 页码范围: 9-13
• 页数: 5页
• 分类号: TM714
• 字数: 2717字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-7241.2017.11.003

摘要

本文提出了一种基于贝叶斯证据框架下加权最小二乘支持向量机(Weighted Least Squares Support Vector Machine,WLS-SVM)的短期负荷预测模型和算法.在对历史负荷数据进行完预处理基础上,分析影响负荷变化的重要因素,然后选择最佳的输入数据作为LS-SVM训练模型的输入向量.通过贝叶斯证据三层推断寻找到模型的最佳参数:第一层推断确定LS-SVM的权向量w和偏置值b,第二层推断确定模型的超参数Y,第三层推断确定核函数的超参数σ.为了提高模型的鲁棒性,赋予了每个样本误差不同的权系数,建立了具有良好泛化性能的WLS-SVM回归模型,从而进一步提高了模型预测的精度.采用上述方法对一固定预测区电网中期负荷进行了预测,结果证明了该方法具有良好的预测效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈若曦		1	1	1.0	1.0