基于SVR的用电负荷特征三维回归模型

发布时间：2018-03-28 02:11

本文选题：用电负荷特征　切入点：支持向量回归机　出处：《计算机工程》2017年09期

【摘要】：针对用电负荷的周期性特点,将用电负荷特征学习建模为小时、天数、负荷数3个维度的回归问题,提出一种基于支持向量回归机的三维回归模型。将支持向量机的核函数设计为多个核函数的线性组合分别进行参数训练,并给出多路径逐步逼近的参数训练算法。仿真结果表明,与三层神经网络、最小二乘非线性拟合模型相比,该模型具有较好的用电负荷特征学习与预测能力。
[Abstract]:According to the periodicity of electric load, the paper models the characteristic learning of power load as the regression problem of three dimensions: hour, day and load number. A three dimensional regression model based on support vector regression machine is proposed. The kernel function of support vector machine is designed as a linear combination of several kernel functions to train parameters separately. The simulation results show that compared with the three-layer neural network and the least square nonlinear fitting model, this model has a better ability to learn and predict the characteristics of power load.
【作者单位】：长沙理工大学计算机与通信工程学院;
【基金】：国家自然科学基金(61303043) 湖南省自然科学基金(13JJ4052) 湖南省教育厅科学研究项目(13C1023)
【分类号】：O212.1;TM743

【相似文献】