基于支持向量机回归组合模型的中长期降温负荷预测

发布时间：2017-10-19 22:23

  本文关键词：基于支持向量机回归组合模型的中长期降温负荷预测

  更多相关文章： 支持向量机 多元线性回归 多项式回归 组合模型 中长期降温负荷预测

【摘要】：提出基于支持向量机回归组合模型的中长期降温负荷预测方法。其中,支持向量机模型以多种社会经济数据为输入参数,年最大降温负荷值为输出参数。在训练过程中采用网格搜索法对支持向量机回归模型参数进行优化;回归分析中,综合采用线性、二次和三次多元回归的组合模型;最后利用最优组合预测方法将二者组合。采用广东省2008~2011年实际负荷数据和社会经济数据为训练样本,2012~2014年数据为测试样本,对支持向量机回归组合预测模型进行验证,同时也对2015和2020年最大降温负荷进行预测。结果表明,预测值与真实值的误差控制在5%以下,验证了该中长期降温负荷预测模型的有效性。目前该预测模型已在广东电网得到实际应用。
【作者单位】： 广东电网有限责任公司电力调度控制中心;华南理工大学电力学院;
【关键词】： 支持向量机 多元线性回归 多项式回归 组合模型 中长期降温负荷预测
【基金】：国家自然科学基金青年基金资助项目(50907023) 中国南方电网有限责任公司科技项目(K-GD2012-006)~~
【分类号】：TM715
【正文快照】： This work is supported by Youth Fund of National Natural Science Foundation of China(No.50907023).0引言全球气候变暖,极端高温天气持续出现,使电网中以空调为代表的降温负荷容量迅速增长,降温负荷开启频率和开启时间呈逐年上升趋势。降温负荷的急剧增长,已成为目前夏

【参考文献】

中国期刊全文数据库 前2条

1 陈伟根;滕黎;刘军;彭尚怡;孙才新;;基于遗传优化支持向量机的变压器绕组热点温度预测模型[J];电工技术学报;2014年01期

2 李霄;王昕;郑益慧;李立学;生西奎;吴昊;;基于改进最小二乘支持向量机和预测误差校正的短期风电负荷预测[J];电力系统保护与控制;2015年11期

【共引文献】

中国期刊全文数据库 前6条

1 王丰华;周翔;高沛;郗晓光;;基于绕组热分布的改进油浸式变压器绕组热点温度计算模型[J];高电压技术;2015年03期

2 刘金明;谢秋菊;王雪;马铁民;;基于GSA-SVM的畜禽舍废气监测缺失数据恢复方法[J];东北农业大学学报;2015年05期

3 刘金明;谢秋菊;刘浩然;;基于SVM的畜禽舍废气监测缺失数据恢复[J];江苏农业科学;2015年08期

4 赵志刚;张纯杰;苟向锋;桑虎堂;;基于粒子群优化支持向量机的太阳电池温度预测[J];物理学报;2015年08期

5 滕黎;;基于改进粒子群优化的变压器绕组热点温度建模[J];智能电网;2015年06期

6 安斯光;杨仕友;刘磊;;改进正交边界交叉算法及其在高频电磁场逆问题中的应用[J];中国电机工程学报;2015年21期

【二级参考文献】

中国期刊全文数据库 前10条

1 王群京;鲍晓华;倪有源;李争;;基于支持向量机和遗传算法的爪极发电机建模及参数优化[J];电工技术学报;2006年04期

2 牛东晓;刘达;陈广娟;冯义;;基于遗传优化的支持向量机小时负荷滚动预测[J];电工技术学报;2007年06期

3 夏冬;吴俊勇;贺电;宋洪磊;冀鲁豫;;一种新型的风电功率预测综合模型[J];电工技术学报;2011年S1期

4 曾杰;张华;;基于最小二乘支持向量机的风速预测模型[J];电网技术;2009年18期

5 王晓兰;王明伟;;基于小波分解和最小二乘支持向量机的短期风速预测[J];电网技术;2010年01期

6 滕黎;陈伟根;孙才新;;油浸式电力变压器动态热路改进模型[J];电网技术;2012年04期

7 孙国强;卫志农;翟玮星;;基于RVM与ARMA误差校正的短期风速预测[J];电工技术学报;2012年08期

8 温锦斌;王昕;李立学;郑益慧;周荔丹;邵凤鹏;;基于频域分解的短期风电负荷预测[J];电工技术学报;2013年05期

9 方江晓;周晖;黄梅;T.S.Sidhu;;基于统计聚类分析的短期风电功率预测[J];电力系统保护与控制;2011年11期

10 陆宁;武本令;刘颖;;基于自适应粒子群优化的SVM模型在负荷预测中的应用[J];电力系统保护与控制;2011年15期

【相似文献】

中国期刊全文数据库 前10条

1 葛海峰;林继鹏;刘君华;丁晖;;基于支持向量机和小波分解的气体识别研究[J];仪器仪表学报;2006年06期

2 琚旭;王浩;姚宏亮;;支持向量机的一个边界样本修剪方法[J];合肥工业大学学报(自然科学版);2006年07期

3 张菁华;袁鑫;刘达;;基于支持向量机的电力工程最优投标报价决策研究[J];山东电力高等专科学校学报;2006年04期

4 张涛;段淑敏;;支持向量机在中医疾病症候诊断中的应用[J];华北水利水电学院学报;2007年03期

5 王晶;靳其兵;曹柳林;;面向多输入输出系统的支持向量机回归[J];清华大学学报(自然科学版);2007年S2期

6 陈丹;;多类支持向量机算法的研究[J];东莞理工学院学报;2007年05期

7 程丽丽;张健沛;马骏;;一种改进的加权边界调节支持向量机算法[J];哈尔滨工程大学学报;2007年10期

8 宋召青;崔和;胡云安;;支持向量机理论的研究与进展[J];海军航空工程学院学报;2008年02期

9 郭濵;孙晓梅;薛明;;基于壳向量的边界邻近支持向量机[J];黑龙江交通科技;2008年12期

10 许超;运士伟;舒云星;;基于支持向量机的混凝土测强换算模型[J];洛阳理工学院学报(自然科学版);2008年02期

中国重要会议论文全文数据库 前10条

1 余乐安;姚潇;;基于中心化支持向量机的信用风险评估模型[A];第六届（2011）中国管理学年会——商务智能分会场论文集[C];2011年

2 刘希玉;徐志敏;段会川;;基于支持向量机的创新分类器[A];山东省计算机学会2005年信息技术与信息化研讨会论文集（一）[C];2005年

3 史晓涛;刘建丽;骆玉荣;;一种抗噪音的支持向量机学习方法[A];全国第19届计算机技术与应用（CACIS）学术会议论文集（下册）[C];2008年

4 何琴淑;刘信恩;肖世富;;基于支持向量机的系统辨识方法研究及应用[A];中国力学大会——2013论文摘要集[C];2013年

5 刘骏;;基于支持向量机方法的衢州降雪模型[A];第五届长三角气象科技论坛论文集[C];2008年

6 王婷;胡秀珍;;基于组合向量的支持向量机方法预测膜蛋白类型[A];第十一次中国生物物理学术大会暨第九届全国会员代表大会摘要集[C];2009年

7 赵晶;高隽;张旭东;谢昭;;支持向量机综述[A];全国第十五届计算机科学与技术应用学术会议论文集[C];2003年

8 周星宇;王思元;;智能数学与支持向量机[A];2005年中国智能自动化会议论文集[C];2005年

9 颜根廷;马广富;朱良宽;宋斌;;一种鲁棒支持向量机算法[A];2006中国控制与决策学术年会论文集[C];2006年

10 侯澍e，

本文编号：1063690