-
公开(公告)号：CN103106329B
公开(公告)日：2016-01-13
申请号：CN201210470520.X
申请日：2012-11-19
Applicant: 华北电力大学
IPC: G06F19/00
Abstract: 一种用于SVR短期负荷预测的训练样本分组构造方法，属于智能计算与机器学习领域。该方法包括相关性分析：使用灰色关联度中的邓氏关联度分别分析每一个时间区间的负荷与其它所有时间区间负荷的关联度，形成关联度矩阵；预测问题分组：根据关联度矩阵，将负荷关联度大的时间区间分到一组；构造参考负荷矩阵；选取参考负荷构造训练样本：对负荷变化率矩阵中每一列使用最小二乘拟合做一次函数拟合，计算拟合方差；选取拟合方差较小的时间区间的负荷作为该组的预测参考负荷。本发明可以提高负荷预测精度；避免了时间复杂度高的问题；实验结果表明，使用本发明构造的训练样本训练出的短期负荷预测模型在预测精度和时间复杂度方面都有较好表现。
-
公开(公告)号：CN102831488B
公开(公告)日：2015-12-09
申请号：CN201210295811.X
申请日：2012-08-17
Applicant: 华北电力大学
Abstract: 本发明公开了短期电力系统负荷预测技术领域中的一种基于改进的灰色预测法的电力负荷预测方法。包括：选择预测日之前的N个同类型日，提取所述N个同类型日的整日负荷曲线；所述同类型日型包括工作日、双休日和节假日；对N个同类型日的整日负荷曲线进行预处理，从而得到N个同类型日的同一时刻的负荷组成历史负荷序列；获取每个时刻的历史负荷序列的负荷对应的气温值，将其与预测日相同时刻的气温值一起组成该时刻的气温值序列，根据气温值序列修正历史负荷序列；计算预测日的各个时刻的预测值，并组成预测日负荷曲线；对预测日负荷曲线进行修正得到最终的负荷预测曲线。本发明预测精度较传统GM方法而言大幅提升。
-
公开(公告)号：CN103106329A
公开(公告)日：2013-05-15
申请号：CN201210470520.X
申请日：2012-11-19
Applicant: 华北电力大学
IPC: G06F19/00
Abstract: 一种用于SVR短期负荷预测的训练样本分组构造方法，属于智能计算与机器学习领域。该方法包括相关性分析：使用灰色关联度中的邓氏关联度分别分析每一个时间区间的负荷与其它所有时间区间负荷的关联度，形成关联度矩阵；预测问题分组：根据关联度矩阵，将负荷关联度大的时间区间分到一组；构造参考负荷矩阵；选取参考负荷构造训练样本：对负荷变化率矩阵中每一列使用最小二乘拟合做一次函数拟合，计算拟合方差；选取拟合方差较小的时间区间的负荷作为该组的预测参考负荷。本发明可以提高负荷预测精度；避免了时间复杂度高的问题；实验结果表明，使用本发明构造的训练样本训练出的短期负荷预测模型在预测精度和时间复杂度方面都有较好表现。
-
公开(公告)号：CN102831488A
公开(公告)日：2012-12-19
申请号：CN201210295811.X
申请日：2012-08-17
Applicant: 华北电力大学
Abstract: 本发明公开了短期电力系统负荷预测技术领域中的一种基于改进的灰色预测法的电力负荷预测方法。包括：选择预测日之前的N个同类型日，提取所述N个同类型日的整日负荷曲线；所述同类型日型包括工作日、双休日和节假日；对N个同类型日的整日负荷曲线进行预处理，从而得到N个同类型日的同一时刻的负荷组成历史负荷序列；获取每个时刻的历史负荷序列的负荷对应的气温值，将其与预测日相同时刻的气温值一起组成该时刻的气温值序列，根据气温值序列修正历史负荷序列；计算预测日的各个时刻的预测值，并组成预测日负荷曲线；对预测日负荷曲线进行修正得到最终的负荷预测曲线。本发明预测精度较传统GM方法而言大幅提升。
-
-
-
Search Results
4
records
(took 0.017 seconds)
