典型文献
基于最大信息挖掘宽度学习系统短期电力负荷预测研究
文献摘要：
为了进一步挖掘混沌系统的演化信息,提升预测精度,减少训练时间,提出了一种基于最大信息挖掘广域学习系统多核最小二乘支持向量机(Least Square Support Vector Machine,LS-SVM)短期电力负荷预测算法.为了有效地捕捉电力负荷的非线性信息,引入了一种改进的漏积分器动态储层,不仅可以获取系统当前状态的信息,而且可以学习历史信息,进一步通过非线性随机映射充分挖掘非线性信息.提出了一种多核LS-SVM预测模型,有效综合了各个核函数的优点.通过两个电力负荷预测案例将文中方法与传统的反向传播算法和支持向量机算法进行预测误差对比,预测结果验证了所提出的混沌时间序列预测算法具有较高的预测精度,适用于短期电力负荷预测.
文献关键词：
最大信息挖掘广域学习系统;支持向量机;短期电力负荷;混沌系统
中图分类号：
作者姓名：
杨光雨;李晓航
作者机构：
国网河南省电力公司检修公司,郑州450000;国网河南省电力公司平顶山供电公司,河南平顶山467001
文献出处：
引用格式：
[1]杨光雨;李晓航-.基于最大信息挖掘宽度学习系统短期电力负荷预测研究)[J].电测与仪表,2022(03):38-45
A类：
挖掘宽度,最大信息挖掘广域学习系统
B类：
宽度学习系统,短期电力负荷预测,预测研究,混沌系统,少训练,训练时间,多核,最小二乘支持向量机,Least,Square,Support,Vector,Machine,LS,预测算法,积分器,储层,历史信息,核函数,中方,反向传播算法,支持向量机算法,预测误差,混沌时间序列预测
AB值：
0.24125
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
