基于贝叶斯证据框架下WLS-SVM的短期负荷预测
TM715; 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γ,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...
Gespeichert in:
| Veröffentlicht in: | 电力系统保护与控制 2011, Vol.39 (7), p.44-49 |
|---|---|
| Hauptverfasser: | , , , |
| Format: | Artikel |
| Sprache: | chi |
| Online-Zugang: | Volltext |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| container_end_page | 49 |
|---|---|
| container_issue | 7 |
| container_start_page | 44 |
| container_title | 电力系统保护与控制 |
| container_volume | 39 |
| creator | 王林川 白波 于奉振 袁明哲 |
| description | TM715; 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γ,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.采用上述方法对黑龙江电网短期负荷进行了预测,结果证明了该方法具有良好的预测效果. |
| doi_str_mv | 10.3969/j.issn.1674-3415.2011.07.008 |
| format | Article |
| fullrecord | <record><control><sourceid>wanfang_jour</sourceid><recordid>TN_cdi_wanfang_journals_jdq201107008</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><wanfj_id>jdq201107008</wanfj_id><sourcerecordid>jdq201107008</sourcerecordid><originalsourceid>FETCH-wanfang_journals_jdq2011070083</originalsourceid><addsrcrecordid>eNpjYFAxNNAztjSz1M_SyywuztMzNDM30TU2MTTVMzIwNNQzMNczMLBgYeCEi3Mw8BYXZyYZGBgbmpqaWVhyMlg9nb_rya6-F1vmPu3f9mza-hfrG5_1rnu2sO3ZvG1PdnSH-wTrBof5Pp_V8nz-2mdz5r_YMv9F7_aXi1qebe3mYWBNS8wpTuWF0twMKm6uIc4euuWJeWmJeenxWfmlRXlAmfislEKQgwzMgc4xJlIZADimUQk</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>基于贝叶斯证据框架下WLS-SVM的短期负荷预测</title><source>DOAJ Directory of Open Access Journals</source><creator>王林川 ; 白波 ; 于奉振 ; 袁明哲</creator><creatorcontrib>王林川 ; 白波 ; 于奉振 ; 袁明哲</creatorcontrib><description>TM715; 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γ,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.采用上述方法对黑龙江电网短期负荷进行了预测,结果证明了该方法具有良好的预测效果.</description><identifier>ISSN: 1674-3415</identifier><identifier>DOI: 10.3969/j.issn.1674-3415.2011.07.008</identifier><language>chi</language><publisher>东北电力大学电气工程学院,吉林,吉林,132012%成都市电业局,四川,成都,610021</publisher><ispartof>电力系统保护与控制, 2011, Vol.39 (7), p.44-49</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><lds50>peer_reviewed</lds50><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/jdq/jdq.jpg</thumbnail><link.rule.ids>314,776,780,860,4010,27900,27901,27902</link.rule.ids></links><search><creatorcontrib>王林川</creatorcontrib><creatorcontrib>白波</creatorcontrib><creatorcontrib>于奉振</creatorcontrib><creatorcontrib>袁明哲</creatorcontrib><title>基于贝叶斯证据框架下WLS-SVM的短期负荷预测</title><title>电力系统保护与控制</title><description>TM715; 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γ,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.采用上述方法对黑龙江电网短期负荷进行了预测,结果证明了该方法具有良好的预测效果.</description><issn>1674-3415</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2011</creationdate><recordtype>article</recordtype><recordid>eNpjYFAxNNAztjSz1M_SyywuztMzNDM30TU2MTTVMzIwNNQzMNczMLBgYeCEi3Mw8BYXZyYZGBgbmpqaWVhyMlg9nb_rya6-F1vmPu3f9mza-hfrG5_1rnu2sO3ZvG1PdnSH-wTrBof5Pp_V8nz-2mdz5r_YMv9F7_aXi1qebe3mYWBNS8wpTuWF0twMKm6uIc4euuWJeWmJeenxWfmlRXlAmfislEKQgwzMgc4xJlIZADimUQk</recordid><startdate>2011</startdate><enddate>2011</enddate><creator>王林川</creator><creator>白波</creator><creator>于奉振</creator><creator>袁明哲</creator><general>东北电力大学电气工程学院,吉林,吉林,132012%成都市电业局,四川,成都,610021</general><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>2011</creationdate><title>基于贝叶斯证据框架下WLS-SVM的短期负荷预测</title><author>王林川 ; 白波 ; 于奉振 ; 袁明哲</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-wanfang_journals_jdq2011070083</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2011</creationdate><toplevel>peer_reviewed</toplevel><toplevel>online_resources</toplevel><creatorcontrib>王林川</creatorcontrib><creatorcontrib>白波</creatorcontrib><creatorcontrib>于奉振</creatorcontrib><creatorcontrib>袁明哲</creatorcontrib><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>电力系统保护与控制</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>王林川</au><au>白波</au><au>于奉振</au><au>袁明哲</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>基于贝叶斯证据框架下WLS-SVM的短期负荷预测</atitle><jtitle>电力系统保护与控制</jtitle><date>2011</date><risdate>2011</risdate><volume>39</volume><issue>7</issue><spage>44</spage><epage>49</epage><pages>44-49</pages><issn>1674-3415</issn><abstract>TM715; 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γ,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.采用上述方法对黑龙江电网短期负荷进行了预测,结果证明了该方法具有良好的预测效果.</abstract><pub>东北电力大学电气工程学院,吉林,吉林,132012%成都市电业局,四川,成都,610021</pub><doi>10.3969/j.issn.1674-3415.2011.07.008</doi></addata></record> |
| fulltext | fulltext |
| identifier | ISSN: 1674-3415 |
| ispartof | 电力系统保护与控制, 2011, Vol.39 (7), p.44-49 |
| issn | 1674-3415 |
| language | chi |
| recordid | cdi_wanfang_journals_jdq201107008 |
| source | DOAJ Directory of Open Access Journals |
| title | 基于贝叶斯证据框架下WLS-SVM的短期负荷预测 |
| url | https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-02-12T23%3A04%3A44IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E8%B4%9D%E5%8F%B6%E6%96%AF%E8%AF%81%E6%8D%AE%E6%A1%86%E6%9E%B6%E4%B8%8BWLS-SVM%E7%9A%84%E7%9F%AD%E6%9C%9F%E8%B4%9F%E8%8D%B7%E9%A2%84%E6%B5%8B&rft.jtitle=%E7%94%B5%E5%8A%9B%E7%B3%BB%E7%BB%9F%E4%BF%9D%E6%8A%A4%E4%B8%8E%E6%8E%A7%E5%88%B6&rft.au=%E7%8E%8B%E6%9E%97%E5%B7%9D&rft.date=2011&rft.volume=39&rft.issue=7&rft.spage=44&rft.epage=49&rft.pages=44-49&rft.issn=1674-3415&rft_id=info:doi/10.3969/j.issn.1674-3415.2011.07.008&rft_dat=%3Cwanfang_jour%3Ejdq201107008%3C/wanfang_jour%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_wanfj_id=jdq201107008&rfr_iscdi=true |