您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 200907-104
论文题目 基于主成分分析和最小二乘支持向量机的电力短期负荷预测
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

基于主成分分析和最小二乘支持向量机的电力短期负荷预测

首发时间:2009-07-06

王莹 1    刘瑞叶 1   
  • 1、哈尔滨工业大学电气工程及自动化学院

摘要:虽然支持向量机具有非线性拟合、泛化能力强、训练收敛速度快等显著特点,但当处理海量电力负荷数据时,支持向量机的训练效率降低,针对解决这一问题提出的最小二乘支持向量机被引入电力短期负荷预测中。当负荷样本数据维数过高时,最小二支持乘向量机负荷预测模型的泛化能力将下降,主成分分析就是一种线性降维的措施。本文建立了基于主成分分析的最小二乘支持向量机的电力短期负荷预测模型,经过算例验证,该方法减少了工作量,提高了负荷预测模型的预测精度。通过主成分分析获得的是原始特征的线性关系,核主成分分析能够反映原始特征的非线性关系。本文提出了基于核主成分分析的最小二乘支持向量机的短期负荷预测模型,经过算例验证,该模型比基于主成分分析的最小二乘支持向量机的负荷预测模型的精度有所提高。

关键词: 电力系统 短期负荷预测 最小二乘支持向量机 主成分分析 核主成分分析

For information in English, please click here

Power system short-term load forecasting based on KPCA-LSSVM

Wang ying 1    Liu Ruiye 1   
  • 1、School of Electrical Engineering and Automation,Harbin Institute of Technology

Abstract:Although SVM have the remarkable advantages of non-linear regression, high and small time complexity, its training efficiency will reduce when it dealing with massive data of load. According to this problem, load forecasting based on least squares support vector machines is introduced to short-term load forecasting. Load forecasting based on least squares support vector machines will reduce when the Dimension of sample data is too high. principle component analysis(PCA) is one of linear dimensionality reduction measures. The load forecasting based on least squares support vector machines and PCA is established in this paper. The results of practical example shows that the workload of the load forecasting model is reduced and the prediction accuracy is improved by this method.PCA can obtain the linear relationship of the original characteristics. kernel principle component analysis(KPCA) can reflect the nonlinear relationship of the original characteristics. So Load forecasting based on least squares support vector machines and KPCA is put forward in this paper. The results of practical example shows that the prediction accuracy of this method is higher than the load forecasting based on least squares support vector machines and PCA.

Keywords: power systems short-term load forecasting least squares support vector machine principle component analysis kernel principle component analysis

Click to fold

点击收起

论文图表:

引用

导出参考文献

.txt .ris .doc
王莹,刘瑞叶. 基于主成分分析和最小二乘支持向量机的电力短期负荷预测[EB/OL]. 北京:中国科技论文在线 [2009-07-06]. http://www.paper.edu.cn/releasepaper/content/200907-104.

No.3363448339212468****

同行评议

共计0人参与

评论

全部评论

0/1000

勘误表

基于主成分分析和最小二乘支持向量机的电力短期负荷预测