文件名称：基于复Morlet小波SVM的负荷预测
文件大小：246KB
文件格式：CAJ
更新时间：2017-04-02 11:27:07
复 Morlet 小波 SVM 预测
基于复Ｍｏｒｌｅｔ小波ＳＶＭ的负荷预测 陈维荣1, 郑永康1, 戴朝华1, 王维博2 (1.西南交通大学电气工程学院,四川成都610031;2.西南交通大学信息科学与技术学院,四川成都 610031) 摘 要:为提高预测精度和克服支持向量机(ＳＶＭ)凭经验选择参数的不足,针对小波擅长信号细微特征提取和 云遗传算法(ＣＧＡ)良好的全局寻优能力,构建了以复Ｍｏｒｌｅｔ小波为核函数、以ＣＧＡ为参数优化算法的ＳＶＭ——— 基于ＣＧＡ的复Ｍｏｒｌｅｔ小波ＳＶＭ(ＣＧＡ-ＣＭＷ-ＳＶＭ).针对短期负荷预测,为降低系统复杂性,克服负荷数据信息 不完备、不精确的问题,仅仅利用了负荷的历史数据而不考虑气象和节假日等因素,在分析负荷时间序列混沌特 性的基础上,对负荷数据进行相空间重构,并以相空间矢量作为ＣＧＡ-ＣＭＷ-ＳＶＭ的输入,提出了短期负荷预测 的新方法.仿真结果表明,该方法平均误差和最大误差小,平均误差在1.340 0%以内,最小误差为1.008 7%. 关键词:短期负荷预测;相空间重构;复Ｍｏｒｌｅｔ小波核;支持向量机;云遗传算法 中图分类号:ＴＭ715 文献标识码:Ａ