沈轶群
- 作品数：4 被引量：8H指数：1
- 供职机构：东北电力大学更多>>
- 相关领域：电气工程自动化与计算机技术更多>>
- 基于最小二乘支持向量机改进算法的短期负荷预测
- 电力系统短期负荷预测是调度的一项重要工作，也是制定购电计划和经济运行的主要依据，对电力系统安全、可靠的运行意义重大。随着电力系统的发展，预测精度高、能够考虑各种影响因素的预测方法越来越受到重视。针对短期负荷预测的各种影响...
- 沈轶群
- 关键词：电力系统短期负荷预测支持向量机最小二乘支持向量机剪枝算法
- 文献传递
- LSSVM增量式训练的稀疏化算法在短期负荷预测中的应用被引量：1
- 2007年
- 最小二乘支持向量机与传统支持向量机相比在训练速度上有所提高,但当训练样本数目较大时,训练速度也相对缓慢。针对这一特点,对最小二乘支持向量机用增量式训练方法,使训练速度得到进一步提高,但是与传统支持向量机相比,丧失了解的稀疏性,影响了二次学习的效率。因此通过改进的剪枝算法对解进行了稀疏化处理,将此方法应用在电力系统短期负荷预测中,并对其预测结果与支持向量机进行分析比较,预测的准确性得到了进一步提高。
- 姜成元沈轶群陈灵根李玉玲
- 关键词：最小二乘支持向量机短期负荷预测剪枝算法稀疏化
- 基于LSSVM与SMO 稀疏化算法的短期负荷预测
- 把最小二乘支持向量机与序列最小优化算法相结合应用在电力系统短期负荷预测中，与传统支持向量机负荷预测方法相比进一步提高了计算速度，但是相比传统支持向量机，丧失了解的稀疏性，影响了二次学习的效率，因此通过改进的剪枝算法对解进...
- 沈轶群姜成元李玉玲
- 关键词：支持向量机序贯最小优化短期负荷预测剪枝算法
- 文献传递
- 基于LSSVM与SMO稀疏化算法的短期负荷预测被引量：7
- 2008年
- 针对最小二乘支持向量机(LSSVM)仅考虑等式约束,失去了支持向量机(SVM)解的稀疏性,影响了二次学习效率的问题,把最小二乘支持向量机与序列最小优化算法(SMO)相结合,后者应用改进的剪枝算法对解进行稀疏化处理,解决了上述问题;算法与最小二乘支持向量机相比降低了计算的复杂度,提高了计算精度。将此方法应用到电力系统短期负荷预测,与SVM和LSSVM算法比较表明该方法运行速度快,精度高,取得了较好的预测结果。
- 刘耀年沈轶群姜成元陈灵根
- 关键词：序列最小优化短期负荷预测剪枝算法稀疏化
