检索结果-南通市图书馆

基于加权灰色关联投影的Bagging-Blending多模型融合短期电力负荷预测

信息与控制 2022年第2期51卷 188-200页

作者：徐耀松王德兴辽宁工程技术大学电气与控制工程学院辽宁葫芦岛125105

针对短期电力负荷随时间变化呈现随机性和不确定性问题,提出了一种基于加权灰色关联投影算法Bagging-Blending的融合模型。首先,采用加权灰色关联投影算法对电力负荷中各影响因素(如天气、温度、湿度、日期类型等)进行分析,以选取历史... 详细信息

针对短期电力负荷随时间变化呈现随机性和不确定性问题,提出了一种基于加权灰色关联投影算法Bagging-Blending的融合模型。首先,采用加权灰色关联投影算法对电力负荷中各影响因素(如天气、温度、湿度、日期类型等)进行分析,以选取历史负荷特征。在此基础上,分别将各单一模型SVR(support vector regression)、KNN(K-nearest neighbor)、GRU(gate recurrent unit)、XGBoost(eXtreme Gradient Boosting)、LightGBM(light gradient boosting machine)、CatBoost(Categorical features gradient Boosting)嵌入Bagging集成算法中以提升模型的稳定性和泛化能力。同时利用Pearson相关系数对各单一模型进行相关性分析。然后,依据模型对数据观测空间角度的不同,使用Blending模型对相关性小的模型进行融合。最后,通过新英格兰地区电力负荷数据ISO New England进行验证。所提融合模型与传统单模型(SVR、GRU)和其他融合模型(Bagging-XGBoost、最优加权的GRU-XGBoost)相比,具有较强的泛化能力和较高的稳定性与预测精度。

关键词：加权灰色关联投影算法 Bagging Blending Pearson相关系数模型融合

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于实时电价和加权灰色关联投影的SVM电力负荷预测

引用

电网技术 2020年第4期44卷 1325-1332页

作者：赵佩代业明青岛大学数学与统计学院山东省青岛市266071 青岛大学商学院山东省青岛市266071

精准的电力负荷预测有助于保障电力系统的安全调度和稳定运行,支持向量机作为一种良好的预测工具被广泛应用于电力负荷预测。随着智能电网的快速发展,实时电价成为电力负荷的重要影响因素,因此在应用支持向量机进行电力负荷预测时,引入... 详细信息

精准的电力负荷预测有助于保障电力系统的安全调度和稳定运行,支持向量机作为一种良好的预测工具被广泛应用于电力负荷预测。随着智能电网的快速发展,实时电价成为电力负荷的重要影响因素,因此在应用支持向量机进行电力负荷预测时,引入实时电价这一影响因素,同时将加权灰色关联投影算法应用于节假日的历史负荷序列的选择,并采用改进的粒子群算法优化模型参数,最终得到一种实时电力负荷预测方法。以新加坡的电力数据为例进行实时电力负荷预测,并与通过反向传播神经网络得到的预测结果进行对比,结果表明所提出的方法具有较高的精确度和稳定性。

关键词：电力负荷预测支持向量机实时电价加权灰色关联投影算法

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于灰色关联和麻雀搜索算法的电力负荷预测

引用

辽宁工程技术大学学报（自然科学版） 2022年第3期41卷 283-288页

作者：张子阳王珂珂辽宁工程技术大学电气与控制学院辽宁葫芦岛125100

针对传统机器学习算法的泛化性能不足,模型参数与结构确定困难等缺点,采用基于灰色关联和麻雀搜索算法(SSA)的组合算法,优化最小二乘支持向量机(LSSVM)参数.应用投影原理改进传统灰色关联相似日选取算法,采用SSA对LSSVM进行寻优.以某地... 详细信息

针对传统机器学习算法的泛化性能不足,模型参数与结构确定困难等缺点,采用基于灰色关联和麻雀搜索算法(SSA)的组合算法,优化最小二乘支持向量机(LSSVM)参数.应用投影原理改进传统灰色关联相似日选取算法,采用SSA对LSSVM进行寻优.以某地区的负荷数据为例,进行短期电力负荷预测.研究结果表明:采用麻雀搜索算法优化的LSSVM预测精度更高,稳定性更好.SSA优化的LSSVM相对误差平均值比LSSVM和粒子群优化算法(PSO)-LSSVM分别减少2.96%和0.95%,平均相对误差分别减少2.58%和1.46%,均方根相对误差分别减少2.71%和1.46%.

关键词：短期电力负荷预测最小二乘支持向量机加权灰色关联投影算法麻雀搜索算法相似日

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：