短期负荷预测的支持向量机参数选择方法.pdf

《短期负荷预测的支持向量机参数选择方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第24卷第6期电力系统及其自动化学报Vo1．24No．62012年12月ProceedingsoftheCSU—EPSADeC．2O12短期负荷预测的支持向量机参数选择方法杨国健。，杨镜非，童开蒙，程浩忠，孙毅斌。，叶清z(1．上海交通大学电气工程系，上海200240；2．上海电力公司青浦供电公司，上海20～一玳1一70一～_～一眦苎一0)一～．一l三一眦一m～一_一～一星叩哪一～一～一一～唧～一～啪一摘要：支持向量机SVM(supportvectormachine)方法的合理参数选择对提高回归结果的准确性

2、有重要作用。该文采用基于支持向量机短期负荷预测的参数选择方法，用遗传算法对参数种群进行编码、交叉、复制和变异，求得最优参数和最优核函数。将该算法应用于电力系统短期负荷预测中，应用了筛选和不筛选特征值两种方案对历史数据进行了预测。算例证明，无论是应用筛选特征值方案还是不筛选特征值方案，参数选择对预测精度提高都具有重要作用。关键词：支持向量机；参数选择；核函数选择；负荷预测；遗传算法中图分类号：TM61文献标志码：A文章编号：1003—8930(2012)06—0148—04ParameterSelection

3、ofSupportVectorMachineforShort—termLoadForecastingYANGGuo—jian，YANGJing—fei，TONGKai—meng。CHENGHao～zhong，SUNYi—bin，YEQing(1．DepartmentofElectricalEngineering，ShanghaiJiaotongUniversity，．¨Shanghai200240，China；2．QingpuPowerSupplyBranch，ShanghaiMunicipalElectr

4、icPowerCompany，Shanghai201700，China)～曼～～一一Ⅲ～一一=～一支持向量机l】jSVM(supportvectormachine)计经验来进行参数选择，具有非常强的主观性和随方法是一种基于统计分析和稳健回归理论的统计意性，因而有必要采用自适应优化算法对参数进行学习方法，它具有学习速度快、全局最优和推广能客观选择，来提高支持向量机训练的精度。力强的优点，其学习结果经常明显好于其他的模式本文提出了支持向量机短期负荷预测的参数识别和回归预测方法，在电力系统短期负荷预测选择方法，采

5、用变参数的SVM作为负荷预测的模中，取得了较好的预测效果l_2]。由于支持向量机型，通过遗传算法对参数进行编码、交叉、复制和变在模型选取上需要对参数进行选择，而目前应用于异，以求得最优参数。这种方法利用了SVM良好的短期负荷预测的支持向量机法多半是通过个人设回归能力，同时又能够通过参数种群的进化寻觅到收稿日期：2Ol108一l7；修回日期：2011—10—08第6期杨国健等：短期负荷预测的支持向量机参数选择方法·149·最优的参数。在特征值选取问题上，提出了基于数同核函数的参数没有可比性，故本文提出先对同一

6、据特征值筛选的方法和未经筛选的方法，分析比较种核函数内部用遗传算法进行参数选择，再把每种了两种方法的误差结果。核函数的最优参数的结果进行比较，用于选择最佳的拟合方案。下面以径向基函数为例，说明基于遗1支持向量机模型传算法的SVM参数选择方法。支持向量机是一种统计学习方法，它对z个数径向基函数的表达式为k(，z)一e。，据进行训练，其中第i个数据包含自变量z∈R因而需要选择的参数有3个：y，C，￡，采用通用的二和与之相对应的因变量∈R。SVM定义映射进制编码，将这些变量都转化为相应的0、1编码。函数建立一个包

7、含所有参数的二进制编码的种群，通过厂(z)一忌(z，z)+b(1)随机填人数字0或1对这些种群变量进行初始化此函数反映自变量z和因变量f(．z)的关系，赋值，对每一个种群，将二进制变量还原为十进制其中z，z∈R，厂()∈R，是(z，z)一<(z)，变量，找到使式(1)达到最优解的5C和b，然后相应(z)>称为核函数，：X—r是一种r的映射。地最佳拟合函数，()一是(z，St：)+b的训练误差SVM的数学模型为E为Z，、一lE一(生)x100(7)minmiz1fi(z)l1。+c∑(e+￡)ii=1subj

8、ecttoY一<()，212>一定义适应度函数b≤e+￡<(z)，．27>+F—E+ct(8)b—≤￡+￡￡，￡>0(2)式中：t为训练时间；C为训练时间系数。这样的适应式中：e为期望最大绝对误差；变量s和e为误差度函数既考虑到训练的精度，又考虑到训练的速松弛变量；C为回归精度超过允许值的惩罚因子。度，目的是防止大规模数据在寻优过程中速度过线性函数慢。找出适应度函数较小的染色体，不断进行交叉壶(z，．27)一<3