已閱讀1頁，還剩65頁未讀， 繼續(xù)免費(fèi)閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、短期電力負(fù)荷預(yù)測研究工作,對電網(wǎng)調(diào)度及用電管理具有重要的學(xué)術(shù)價(jià)值和實(shí)際應(yīng)用價(jià)值。本文建立了基于動(dòng)態(tài)慣性粒子群優(yōu)化最小二乘支持向量機(jī)的混合短期負(fù)荷預(yù)測模型,以保定供電公司的歷史負(fù)荷數(shù)據(jù)為基礎(chǔ),在總結(jié)現(xiàn)有理論成果的基礎(chǔ)上主要對支持向量機(jī)的訓(xùn)練算法、參數(shù)選取、核函數(shù)的構(gòu)造、短期負(fù)荷特性以及誤差預(yù)測模型進(jìn)行研究,選擇RBF核函數(shù)作為最小二乘支持向量機(jī)的核函數(shù),并選用動(dòng)態(tài)慣性粒子群優(yōu)化算法對支持向量機(jī)的核參數(shù)和正則化參數(shù)進(jìn)行尋優(yōu)。提出了以動(dòng)態(tài)慣性
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于智能優(yōu)化模型的短期電力負(fù)荷預(yù)測系統(tǒng).pdf
- 基于人工蜂群優(yōu)化LS-SVM短期負(fù)荷預(yù)測研究.pdf
- 基于支持向量機(jī)（SVM）的短期負(fù)荷預(yù)測的研究.pdf
- 基于聚類分析與SVM的電力短期負(fù)荷預(yù)測研究.pdf
- 基于周期調(diào)整及螢火蟲算法優(yōu)化參數(shù)的智能短期負(fù)荷預(yù)測模型.pdf
- 基于誤差分析修正的超短期風(fēng)速及短期風(fēng)電功率預(yù)測研究.pdf
- 基于SVM組合模型的燃?xì)庳?fù)荷預(yù)測研究.pdf
- 基于負(fù)荷特性分析的短期負(fù)荷預(yù)測模型研究.pdf
- 基于智能計(jì)算的變權(quán)重組合優(yōu)化短期負(fù)荷預(yù)測研究.pdf
- 基于殘差和相似日修正的燃?xì)舛唐谪?fù)荷組合預(yù)測模型研究.pdf
- 短期電力負(fù)荷預(yù)測的神經(jīng)網(wǎng)絡(luò)模型優(yōu)化研究及應(yīng)用.pdf
- 基于小波理論的短期負(fù)荷預(yù)測模型研究.pdf
- 網(wǎng)絡(luò)流量預(yù)測中基于群智能優(yōu)化的SVM模型.pdf
- 基于組合預(yù)測模型的超短期大波動(dòng)負(fù)荷預(yù)測.pdf
- 基于數(shù)據(jù)挖掘的電力短期負(fù)荷預(yù)測模型及方法的研究.pdf
- 基于協(xié)整——誤差修正模型的中長期電力負(fù)荷需求預(yù)測.pdf
- 短期電力負(fù)荷預(yù)測組合模型研究.pdf
- 基于協(xié)整與誤差修正模型的預(yù)測.pdf
- 智能電網(wǎng)環(huán)境下的短期負(fù)荷預(yù)測研究及實(shí)現(xiàn).pdf
- 基于智能網(wǎng)格分類的天然氣短期負(fù)荷預(yù)測模型的研究與實(shí)現(xiàn).pdf
評論
0/150
提交評論