基于网格搜索和交叉验证的支持向量机在梯级水电系统隐随机调度中的应用

发布时间：2019-06-05 23:17

【摘要】：将支持向量机(SVM)理论与网格搜索及交叉验证相结合,应用于梯级水电系统隐随机优化调度中,实现径流不确定条件下的梯级实际优化运行。以系统结构风险最小为SVM训练目标,结合参数分布规律,采用指数划分的网格搜索对模型参数进行优选;将K-fold交叉验证技术引入到SVM训练性能评价中,降低了训练样本随机性对训练模型性能的干扰,提高了模型的泛化能力。建立VC_与MATLAB混合编程平台,对梯级水电系统隐随机优化调度运行进行仿真,结果表明基于采用最优参数SVM的隐随机优化调度在梯级系统发电量和发电过程方面取得了良好成果。
[Abstract]:The support vector machine (SVM) theory is combined with grid search and cross-verification, which is applied to the hidden random optimal operation of cascade hydropower system to realize the actual optimal operation of cascade under the condition of uncertain runoff. Taking the minimum risk of system structure as the training goal of SVM, combined with the law of parameter distribution, the grid search of exponential division is used to optimize the parameters of the model. The K-fold cross-verification technology is introduced into the SVM training performance evaluation, which reduces the interference of the randomness of the training samples to the performance of the training model and improves the generalization ability of the model. The mixed programming platform of VC_ and MATLAB is established to simulate the hidden random optimal dispatching operation of cascade hydropower system. The results show that the implicit stochastic optimal scheduling based on the optimal parameter SVM has achieved good results in the power generation and power generation process of the cascade system.
【作者单位】： 华北电力大学经济与管理学院;华北电力大学可再生能源学院;
【基金】：国家自然科学基金资助项目(51279062,41340022) 中央高校基本科研业务费专项资金资助项目(11QX52)~~
【分类号】：TV736

【参考文献】

相关期刊论文 前10条

1 纪昌明;苏学灵;周婷;黄海涛;王丽萍;;梯级水电站群调度函数的模型与评价[J];电力系统自动化;2010年03期

2 纪昌明;喻杉;周婷;杨子俊;刘方;;蚁群算法在水电站调度函数优化中的应用[J];电力系统自动化;2011年20期

3 徐鑫鑫;刘涤尘;黄涌;;基于VC++和Matlab混合编程实现电力故障再现及分析系统研究[J];电力自动化设备;2006年12期

4 刘宝英;杨仁刚;;基于主成分分析的最小二乘支持向量机短期负荷预测模型[J];电力自动化设备;2008年11期

5 韩勇;李红梅;;基于小波分解的支持向量机母线负荷预测[J];电力自动化设备;2012年04期

6 徐茹枝;王宇飞;;粒子群优化的支持向量回归机计算配电网理论线损方法[J];电力自动化设备;2012年05期

7 张东晓;王静;范炜;王磊;;基于并行遗传算法的水电站群中期优化调度[J];电力自动化设备;2012年12期

8 凌武能;杭乃善;李如琦;;基于云支持向量机模型的短期风电功率预测[J];电力自动化设备;2013年07期

9 刘昌平;范明钰;王光卫;马素丽;;基于梯度算法的支持向量机参数优化方法[J];控制与决策;2008年11期

10 李祚泳,蔡辉,丁晶;BP网络的学习能力与推广能力之间满足的不确定关系式[J];四川大学学报(工程科学版);2003年01期

【共引文献】

相关期刊论文 前10条

1 王春民;安海忠;王丰贵;;基于VC和Simulink的电力电子仿真实验平台设计[J];吉林大学学报(信息科学版);2008年03期

2 刘长良;孙晓娇;刘站营;;支持向量机在锅炉飞灰含碳量软测量中的应用[J];电力科学与工程;2010年01期

3 纪昌明;苏学灵;周婷;黄海涛;王丽萍;;梯级水电站群调度函数的模型与评价[J];电力系统自动化;2010年03期

4 纪昌明;喻杉;周婷;杨子俊;刘方;;蚁群算法在水电站调度函数优化中的应用[J];电力系统自动化;2011年20期

5 黄帅栋;卫志农;高宗和;杨争林;孙国强;孙永辉;;基于非负矩阵分解的相关向量机短期负荷预测模型[J];电力系统自动化;2012年11期

6 王建勋;吕群芳;刘会金;;基于Delphi和Matlab混合编程的配电网无功优化软件设计[J];电力自动化设备;2011年04期

7 马瑞;姜飞;Garng M Huang;;基于电力系统负荷变动速率的美国得州ERCOT短期负荷预测[J];电力自动化设备;2012年02期

8 韩勇;李红梅;;基于小波分解的支持向量机母线负荷预测[J];电力自动化设备;2012年04期

9 许力;竺鹏东;顾宏杰;许文才;;基于变尺度PCA的电力设备载流故障早期预警[J];电力自动化设备;2012年05期

10 吴杰康;祝宇楠;韦善革;;采用改进隶属度函数的梯级水电站多目标优化调度模型[J];电网技术;2011年02期

相关博士学位论文 前10条

1 王建军;基于知识挖掘技术的智能协同电力负荷预测研究[D];华北电力大学（北京）;2011年

2 张亚刚;基于广域信息的电力系统故障元件定位方法研究[D];华北电力大学（北京）;2011年

3 覃晖;流域梯级电站群多目标联合优化调度与多属性风险决策[D];华中科技大学;2011年

4 刘昌平;可信计算环境安全技术研究[D];电子科技大学;2011年

5 杨正祥;基于智能算法的若干典型水文水资源问题研究[D];华中科技大学;2011年

6 朱跃;基于分层思想的复杂机械结构模型修正及确认技术研究[D];南京航空航天大学;2010年

7 毛李帆;电网规划中长期负荷预测技术的研究[D];湖南大学;2011年

8 卢有麟;流域梯级大规模水电站群多目标优化调度与多属性决策研究[D];华中科技大学;2012年

9 覃光华;人工神经网络技术及其应用[D];四川大学;2003年

10 万星;水电科学中若干新方法应用研究[D];四川大学;2006年

相关硕士学位论文 前10条

1 刘磊;多泥沙河流水库优化调度研究[D];郑州大学;2010年

2 范祥莉;梯级水电站群中长期多目标优化调度方法[D];大连理工大学;2010年

3 付阳;支持向量机并行训练算法与基于遗传算法的参数优化研究[D];南昌大学;2010年

4 毛志亮;混合核函数支持向量机在发酵过程建模中的应用研究[D];江南大学;2011年

5 何鹏;生料浆配料过程返料成分的时间序列混沌分析和SVM预测研究[D];中南大学;2011年

6 罗鹏;模糊优化方法在三峡梯级水库调度中的应用研究[D];华中科技大学;2011年

7 项斌;基于小波包和支持向量机的机车轴承故障诊断研究[D];兰州交通大学;2011年

8 王阳;消除隐层冗余信息的改进神经网络及应用[D];华东理工大学;2012年

9 刘明;基于小波和神经网络理论的电力系统负荷预测研究[D];南京理工大学;2012年

10 杨菊香;洮河梯级电站水库优化调度研究[D];西安理工大学;2007年

【二级参考文献】

相关期刊论文 前10条

1 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

2 袁慧梅,郭喜庆,于海波;中压配电网线损计算新方法[J];电力系统自动化;2002年11期

3 张晓星,周nv,任海军,孙才新,程其云;基于增量约简算法确定电力负荷预测模型输入参数[J];电力系统自动化;2005年13期

4 韩力;韩学山;，

本文编号：2493887