题名 | 基于K-means聚类的LS-SVM短期负荷预测方法研究 |
作者 | 周佳 |
答辩日期 | 2012 |
文献子类 | 硕士 |
授予单位 | 兰州理工大学 |
导师 | 王惠中 ; 秦睿 |
关键词 | 负荷预测 数据预处理 K-means聚类算法 最小二乘支持向量机 果蝇优化 |
学位名称 | 工程硕士 |
学位专业 | 电气工程 |
英文摘要 | 本文通过研究短期负荷预测的国内外发展现状,归纳了传统与智能负荷预测方法,在分析了已有智能方法的优缺点后,总结出当前待解决的关键性问题。结合浙江省某地区的负荷特性及影响因素,采用双向比较法对历史数据进行必要的预处理。为了避免多种影响因素及多类型负荷对预测造成的维数灾难及低精度问题,采用数据挖掘中的经典聚类算法——K-means算法,对历史负荷数据进行聚类分析,从而选择相似日数据建立样本集,采用能较好地解决小样本、非线性、高维数和局部极小点等实际问题的最小二乘支持向量机(LS-SVM)方法建立模型,并引入结构简单、寻优速度较快的果蝇参数优化算法(FOA)对其参数进行优化,建立基于K-means聚类的FOA-LSSVM短期负荷预测模型。 |
语种 | 中文 |
页码 | 59 |
内容类型 | 学位论文 |
源URL | [http://ir.lut.edu.cn/handle/2XXMBERH/101583] ![]() |
专题 | 兰州理工大学 |
作者单位 | 兰州理工大学 |
推荐引用方式 GB/T 7714 | 周佳. 基于K-means聚类的LS-SVM短期负荷预测方法研究[D]. 兰州理工大学. 2012. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论