-
题名面向大规模样本的核心向量回归电力负荷快速预测方法
被引量：12
- 1
-
-
作者
李元诚
刘克文
-
机构
华北电力大学控制与计算机工程学院
中国电力科学研究自动化研究所
-
出处
《中国电机工程学报》
EI
CSCD
北大核心
2010年第28期33-38,共6页
-
基金
河北省自然科学基金项目(F2007001042)~~
-
文摘
将适用于解决大规模样本训练问题的核心向量回归(corevector regression,CVR)方法引入到电力负荷预测中,并采用粒子群优化(particle swarm optimization,PSO)方法对CVR的模型参数进行寻优,从而提出了一种基于PSO-CVR的负荷预测新模型。构造大规模负荷训练样本,研究对样本负荷产生影响的因素,从而确定样本集的构造。通过用PSO对CVR的模型参数进行优化,得到优化后的CVR预测模型,循环构造预测样本并进行连续预测。算例分析结果表明,在相同时耗下,所提出的优化CVR预测模型能够通过训练更大规模的样本得到比支持向量回归(support vector regression,SVR)方法更高的预测精度。
-
关键词
负荷预测
大规模样本
核心向量回归
粒子群优化
-
Keywords
load forecasting
large scale data set
corevector regression （cvr）
particle swarm optimization （PSO）
-
分类号
TM715
[电气工程—电力系统及自动化]
-
-
题名用于短期风速预测的优化核心向量回归模型
被引量：3
- 2
-
-
作者
李元诚
杨瑞仙
-
机构
华北电力大学控制与计算机工程学院
-
出处
《中国电力》
CSCD
北大核心
2012年第3期68-71,共4页
-
文摘
风能的不确定性和难以准确预测给风电并入电网带来了困难。风速是影响风能的重要因素,风速的预测精度对风电功率预测的准确性有重要影响。提出一种优化的核心向量回归(CVR)模型,进行短期风速预测。其风速数据从某风电场每隔1 h采集1次,并采用粒子群优化(PSO)算法对CVR模型的参数进行优化,利用优化后的CVR模型进行风速预测。试验结果表明,在时空复杂度相当的情况下,该方法具有比CVR和SVR(support vector regression)更高的预测精度。
-
关键词
风速
风电功率
短期预测
粒子群优化
核心向量回归
-
Keywords
wind speed
wind power
short-term forecasting
particle swarm optimization(PSO)
core vector regression(cvr)
-
分类号
TK81
[动力工程及工程热物理—流体机械及工程]
-
