支持向量机结合X11季节调整方法用于短期电力负荷预测

支持向量机结合X11季节调整方法用于短期电力负荷预测

论文摘要

由于受像气候、季节、节日、社会等因素的影响,电力负荷数据表现出许多非线性特征,因而准确地进行电量负荷预测一直以来是一项非常有挑战性的课题。近年来刚刚兴起的一种人工智能技术——支持向量机(SVM)因为具有良好的非线性映射预测能力而被用于解决非线性回归和时间序列问题。季节因素和不规则因素往往掩盖了时间序列中的客观规律,给分析和研究时间序列带来困难。X11季节调整方法通过剔除时间序列中的季节变动因素,从而显示出时间序列变动的潜在规律。这篇文章提出了一个混合模型,即通过将支持向量机这一人工智能技术和X11季节调整方法结合起来进行短期电量负荷预测。其中,X11季节调整方法被应用到周期一天的季节时间序列,其数据样本是每半小时记录一次,即一天记录四十八次。实验结果表明,所提出的模型是一个理想的短期电量负荷预测方法。

论文目录

  • 中文摘要
  • Abstract
  • 第一章 预备知识
  • 1.1 简介
  • 1.2 支持向量机
  • 第二章 一个新的短期电力负荷预测模型
  • 2.1 移动平均方法
  • 2.1.1 简单的移动平均
  • 2.1.2 加权移动平均
  • 2.1.3 Henderson移动平均公式[22]
  • 2.2 季节调整
  • 2.3 X11-SVMs方法
  • 第三章 实验模拟
  • 3.1 实验数据
  • 3.2 X11季节调整
  • 3.3 实验结果
  • 3.4 方差分析
  • 3.5 结论
  • 参考文献
  • 硕士期间的研究成果
  • 致谢
  • 相关论文文献

    • [1].基于季节调整模型的黄山旅客量发展状况分析[J]. 嘉应学院学报 2018(08)
    • [2].时间序列季节调整方法在气象要素预测中的应用分析[J]. 现代农业科技 2009(23)
    • [3].基于广义最小二乘法的趋势季节调整模型的构建[J]. 统计与决策 2018(05)
    • [4].环比指标季节调整正流行[J]. 数据 2010(08)
    • [5].主要国家和地区短期指标环比季节调整及发布概况[J]. 中国统计 2010(06)
    • [6].基于季节模型的中国社会消费品零售总额分析[J]. 河北企业 2019(01)
    • [7].基于季节调整的洞庭湖水环境承载力影响分析[J]. 人民长江 2009(14)
    • [8].浙江省存贷比的季节调整与分析[J]. 北方经济 2011(06)
    • [9].季节调整本底线与SARS对我国铁路客运量的影响[J]. 铁道学报 2011(09)
    • [10].考虑移动假日效应的中国月度数据的季节调整[J]. 统计与决策 2018(16)
    • [11].基于频域的X-13ARIMA-SEATS季节调整过滤器诊断[J]. 统计研究 2018(10)
    • [12].季节调整技术在CPI数据中的运用[J]. 中国统计 2009(07)
    • [13].社会消费品零售总额[J]. 中国经济景气月报 2020(09)
    • [14].社会消费品零售总额[J]. 中国经济景气月报 2020(10)
    • [15].国民经济数据的季节性影响与调整[J]. 商业时代 2009(02)
    • [16].数据[J]. 浙江经济 2017(06)
    • [17].备受青睐的GDP季节调整[J]. 数据 2009(12)
    • [18].对GDP进行季节调整的方法[J]. 中国统计 2009(05)
    • [19].季节调整后的蔬菜价格与CPI之间关系研究[J]. 广东农业科学 2014(17)
    • [20].基于季节调整和Holt-Winters的月度负荷预测方法[J]. 中国管理科学 2019(03)
    • [21].基于季节调整和回归分析法的月售电量预测方法研究[J]. 经济研究导刊 2018(19)
    • [22].国内大中专院校专利申请量的季节调整模型及预测[J]. 河南科技学院学报(自然科学版) 2008(03)
    • [23].季节调整中的模型不确定性问题[J]. 数量经济研究 2017(01)
    • [24].季节调整后的蔬菜价格波动——兼论货币供应量的影响[J]. 统计与信息论坛 2012(03)
    • [25].基于X-12季节调整法的货币供应量预测[J]. 产业与科技论坛 2018(03)
    • [26].我国农业总产值与经济增长关系的实证分析[J]. 现代经济信息 2016(07)
    • [27].本期导读[J]. 统计与决策 2011(02)
    • [28].基于X-13A-S季节调整方法的铁路客运量预测分析[J]. 桂林理工大学学报 2018(03)
    • [29].说明[J]. 中国经济景气月报 2012(05)
    • [30].数字[J]. 商周刊 2012(02)

    标签:;  ;  ;  

    支持向量机结合X11季节调整方法用于短期电力负荷预测
    下载Doc文档

    猜你喜欢