张政国
- 作品数：3 被引量：20H指数：2
- 供职机构：兰州交通大学自动化与电气学院更多>>
- 相关领域：自动化与计算机技术电气工程更多>>
- 最小二乘小波支持向量机在电力负荷预测中的应用被引量：11
- 2016年
- 针对中期电力负荷预测问题,提出了一种基于多维允许小波核的最小二乘小波支持向量机(least squares wavelet support vector machines,LS-WSVM)方法,并且给出了一种可有效求解LS-WSVM的Cholesky分解算法.该方法结合小波技术和最小二乘支持向量机,其中小波核函数具有近似正交以及适用于局部信号分析的特性.将LS-WSVM应用于电力负荷预测的两个实例中,结果表明,与LS-SVM、标准SVM、多层前向神经网络等方法相比,LS-WSVM均能给出相当好的预测性能,所提出的用于中期电力负荷预测的LS-WSVM方法显示了其有效性和应用潜能.
- 张政国吴艾玲
- 关键词：电力负荷预测最小二乘支持向量机小波核函数
- 多核SVM对传感器动态建模的研究被引量：2
- 2013年
- 针对传感器的动态特性,提出了一种基于多核最小二乘支持向量机对传感器进行动态建模的方法.通过不同核函数的线性加权组合构造新的等价核,由于构造的等价核函数兼具了全局核函数和局部核函数的优点,从而降低了建模精度对核函数及其参数的依赖性.在理论上详细介绍了多核最小二乘支持向量机回归参数和模型输出值的求解方法.通过仿真实验验证了该方法的可行性.将该方法与标准的最小二乘支持向量机方法进行比较,证明了该方法在一定噪声存在的情况下,具有良好的抗噪性和较高的建模精度.
- 吴延增张政国刘旭宁
- 关键词：多核学习最小二乘支持向量机传感器动态建模
- 基于遗传算法优化LS-SVM的短期电力负荷预测研究被引量：7
- 2012年
- 针对已有方法在选择最小二乘支持向量回归机(LS-SVM)模型参数上存在的不足,利用遗传算法(GA)全局寻优的优势,建立了经GA优化的LS-SVM回归预测模型,数据来源于美国新格兰地区2005～2006年电力负荷数据,以2005-01-01至2005-12-31期间每日24点负荷数据作为训练,以历史负荷数据、温度、湿度以及计算前一天相同时刻、前一周相同时刻负荷等8个因素作为输入,建立经GA优化的LS-SVM负荷预测模型,并同时建立了BP神经网络、标准支持向量机、最小二乘支持向量机预测模型,对2006年1月第1周的168个点负荷进行预测,实例预测结果表明:利用该方法进行电力负荷预测比起BP神经网络、标准支持份向量机和最小二乘支持向量机方法有更高的预测精度.
- 张政国吴延增
- 关键词：电力负荷遗传算法最小二乘支持向量机负荷预测
