位置:成果数据库 > 期刊 > 期刊详情页
基于改进GM(1,1)和SVM的长期电量优化组合预测模型
  • ISSN号:1672-7207
  • 期刊名称:中南大学学报(自然科学版)
  • 时间:0
  • 页码:1803-1807
  • 分类:TM715[电气工程—电力系统及自动化]
  • 作者机构:[1]华北电力大学,河北保定071000, [2]西安供电局,陕西西安710032, [3]三门峡供电公司,河南三门峡472000, [4]华仿科技有限公司,河北保定071000, [5]中国电力科学研究院,北京100192
  • 相关基金:国家自然科学基金资助项目(70901025)
  • 相关项目:基于外界影响和模型自适应的电价预测理论研究
中文摘要:

介绍了小波去噪的基本原理及方法,简要说明了其消噪的步骤。进一步说明了小波包去噪的原理和步骤,并给出了1个给定含噪信号去噪的实例。由于影响日负荷因素的复杂性,本文采用4个气象指数来量化温度、湿度和风速等气象因子对负荷的综合影响。首先介绍了小波去噪原理,然后通过小波去噪消除负荷和气象数据中的伪数据和噪声。结果表明,去噪以后从关联性上看效果显著,为最终进行负荷预测工作提供指导依据。

英文摘要:

Due to the complexity of the factors that affecting daily load, four meteorological indices are applied to quantify the combined effects on daily load caused by temperature, humidity, wind speed and other meteorological factors. This paper describes the basic principles and methods of wavelet de-noising, and briefly explains the wavelet de-noising steps. To further demonstrate this technique, one practical example of wavelet de-noising with given noisy-containing signal is illustrated. The results show a significant correlation after the pseudo-data and noise from load and meteorological data is eliminated. This study provides a guidance for eventual load forecasting.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《中南大学学报:自然科学版》
  • 北大核心期刊(2011版)
  • 主管单位:教育部
  • 主办单位:中南大学
  • 主编:黄伯云
  • 地址:湖南长沙中南大学校本部
  • 邮编:410083
  • 邮箱:zngdxb@csu.edu.cn
  • 电话:0731-88879765
  • 国际标准刊号:ISSN:1672-7207
  • 国内统一刊号:ISSN:43-1426/N
  • 邮发代号:42-19
  • 获奖情况:
  • 首届全国优秀科技期刊评比一等奖,第二届全国优秀科技期刊评比一等奖,首届中国有色金属工业优秀科技期刊评比一等奖
  • 国内外数据库收录:
  • 美国化学文摘(网络版),荷兰文摘与引文数据库,美国工程索引,英国科学文摘数据库,中国中国科技核心期刊,中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版)
  • 被引量:20874