基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出了一种基于支持向量机(SVM)理论的电力系统短期负荷预测方法.该方法采用结构风险最小化原则(SRM),与采用经验风险最小化原则(ERM)的传统神经网络方法相比,具有更好的泛化性能和精度,减少了对经验的依赖.SVM算法以统计学习理论作为其理论基础,它的训练等价于解决一个二次规划问题.为了提高负荷预测精度,文中在训练数据集中采用了负荷数据和温度数据.通过和多层BP神经网络进行比较的试验,结果证明了其在短期负荷预测中的有效性.
推荐文章
基于支持向量机的燃气短期负荷预测
燃气负荷预测
短期负荷
支持向量机
BP神经网络
支持向量回归模型
野草算法和支持向量机相融合的短期负荷预测
电力系统
短期负荷
野草算法
相空间重构
基于多重核学习支持向量机短期负荷预测研究
短期负荷预测
多重核学习
支持向量机
核函数
基于支持向量机的短期负荷预测
电力系统负荷
短期预测
支持向量机
网格法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 短期负荷预测的支持向量机方法研究
来源期刊 中国电机工程学报 学科 工学
关键词 电力系统 短期负荷预测 支持向量机 结构风险最小化原则 泛化性能
年,卷(期) 2003,(6) 所属期刊栏目 电力工程
研究方向 页码范围 55-59
页数 5页 分类号 TM715|TP18
字数 4220字 语种 中文
DOI 10.3321/j.issn:0258-8013.2003.06.011
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 方廷健 中国科学院智能机械研究所 50 2136 22.0 46.0
2 于尔铿 58 4298 31.0 58.0
3 李元诚 中国科学技术大学自动化系 6 741 6.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (4)
节点文献
引证文献  (463)
同被引文献  (556)
二级引证文献  (4558)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2003(1)
  • 引证文献(1)
  • 二级引证文献(0)
2004(6)
  • 引证文献(6)
  • 二级引证文献(0)
2005(57)
  • 引证文献(31)
  • 二级引证文献(26)
2006(160)
  • 引证文献(38)
  • 二级引证文献(122)
2007(332)
  • 引证文献(53)
  • 二级引证文献(279)
2008(366)
  • 引证文献(38)
  • 二级引证文献(328)
2009(416)
  • 引证文献(49)
  • 二级引证文献(367)
2010(356)
  • 引证文献(32)
  • 二级引证文献(324)
2011(373)
  • 引证文献(29)
  • 二级引证文献(344)
2012(316)
  • 引证文献(28)
  • 二级引证文献(288)
2013(400)
  • 引证文献(40)
  • 二级引证文献(360)
2014(412)
  • 引证文献(27)
  • 二级引证文献(385)
2015(374)
  • 引证文献(17)
  • 二级引证文献(357)
2016(391)
  • 引证文献(23)
  • 二级引证文献(368)
2017(398)
  • 引证文献(21)
  • 二级引证文献(377)
2018(311)
  • 引证文献(18)
  • 二级引证文献(293)
2019(278)
  • 引证文献(10)
  • 二级引证文献(268)
2020(74)
  • 引证文献(2)
  • 二级引证文献(72)
研究主题发展历程
节点文献
电力系统
短期负荷预测
支持向量机
结构风险最小化原则
泛化性能
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
中国电机工程学报
半月刊
0258-8013
11-2107/TM
大16开
北京清河小营东路15号 中国电力科学研究院内
82-327
1964
chi
出版文献量(篇)
16022
总下载数(次)
42
总被引数(次)
572718
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导