【摘要】：將支持向量機(jī)(SVM)理論與網(wǎng)格搜索及交叉驗(yàn)證相結(jié)合,應(yīng)用于梯級水電系統(tǒng)隱隨機(jī)優(yōu)化調(diào)度中,實(shí)現(xiàn)徑流不確定條件下的梯級實(shí)際優(yōu)化運(yùn)行。以系統(tǒng)結(jié)構(gòu)風(fēng)險最小為SVM訓(xùn)練目標(biāo),結(jié)合參數(shù)分布規(guī)律,采用指數(shù)劃分的網(wǎng)格搜索對模型參數(shù)進(jìn)行優(yōu)選;將K-fold交叉驗(yàn)證技術(shù)引入到SVM訓(xùn)練性能評價中,降低了訓(xùn)練樣本隨機(jī)性對訓(xùn)練模型性能的干擾,提高了模型的泛化能力。建立VC_與MATLAB混合編程平臺,對梯級水電系統(tǒng)隱隨機(jī)優(yōu)化調(diào)度運(yùn)行進(jìn)行仿真,結(jié)果表明基于采用最優(yōu)參數(shù)SVM的隱隨機(jī)優(yōu)化調(diào)度在梯級系統(tǒng)發(fā)電量和發(fā)電過程方面取得了良好成果。
[Abstract]:The support vector machine (SVM) theory is combined with grid search and cross-verification, which is applied to the hidden random optimal operation of cascade hydropower system to realize the actual optimal operation of cascade under the condition of uncertain runoff. Taking the minimum risk of system structure as the training goal of SVM, combined with the law of parameter distribution, the grid search of exponential division is used to optimize the parameters of the model. The K-fold cross-verification technology is introduced into the SVM training performance evaluation, which reduces the interference of the randomness of the training samples to the performance of the training model and improves the generalization ability of the model. The mixed programming platform of VC_ and MATLAB is established to simulate the hidden random optimal dispatching operation of cascade hydropower system. The results show that the implicit stochastic optimal scheduling based on the optimal parameter SVM has achieved good results in the power generation and power generation process of the cascade system.
【作者單位】： 華北電力大學(xué)經(jīng)濟(jì)與管理學(xué)院;華北電力大學(xué)可再生能源學(xué)院;
【基金】：國家自然科學(xué)基金資助項(xiàng)目(51279062,41340022) 中央高�；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目(11QX52)~~
【分類號】：TV736

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 紀(jì)昌明;蘇學(xué)靈;周婷;黃海濤;王麗萍;;梯級水電站群調(diào)度函數(shù)的模型與評價[J];電力系統(tǒng)自動化;2010年03期

2 紀(jì)昌明;喻杉;周婷;楊子俊;劉方;;蟻群算法在水電站調(diào)度函數(shù)優(yōu)化中的應(yīng)用[J];電力系統(tǒng)自動化;2011年20期

3 徐鑫鑫;劉滌塵;黃涌;;基于VC++和Matlab混合編程實(shí)現(xiàn)電力故障再現(xiàn)及分析系統(tǒng)研究[J];電力自動化設(shè)備;2006年12期

4 劉寶英;楊仁剛;;基于主成分分析的最小二乘支持向量機(jī)短期負(fù)荷預(yù)測模型[J];電力自動化設(shè)備;2008年11期

5 韓勇;李紅梅;;基于小波分解的支持向量機(jī)母線負(fù)荷預(yù)測[J];電力自動化設(shè)備;2012年04期

6 徐茹枝;王宇飛;;粒子群優(yōu)化的支持向量回歸機(jī)計(jì)算配電網(wǎng)理論線損方法[J];電力自動化設(shè)備;2012年05期

7 張東曉;王靜;范煒;王磊;;基于并行遺傳算法的水電站群中期優(yōu)化調(diào)度[J];電力自動化設(shè)備;2012年12期

8 凌武能;杭乃善;李如琦;;基于云支持向量機(jī)模型的短期風(fēng)電功率預(yù)測[J];電力自動化設(shè)備;2013年07期

9 劉昌平;范明鈺;王光衛(wèi);馬素麗;;基于梯度算法的支持向量機(jī)參數(shù)優(yōu)化方法[J];控制與決策;2008年11期

10 李祚泳,蔡輝,丁晶;BP網(wǎng)絡(luò)的學(xué)習(xí)能力與推廣能力之間滿足的不確定關(guān)系式[J];四川大學(xué)學(xué)報(工程科學(xué)版);2003年01期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王春民;安海忠;王豐貴;;基于VC和Simulink的電力電子仿真實(shí)驗(yàn)平臺設(shè)計(jì)[J];吉林大學(xué)學(xué)報(信息科學(xué)版);2008年03期

2 劉長良;孫曉嬌;劉站營;;支持向量機(jī)在鍋爐飛灰含碳量軟測量中的應(yīng)用[J];電力科學(xué)與工程;2010年01期

3 紀(jì)昌明;蘇學(xué)靈;周婷;黃海濤;王麗萍;;梯級水電站群調(diào)度函數(shù)的模型與評價[J];電力系統(tǒng)自動化;2010年03期

4 紀(jì)昌明;喻杉;周婷;楊子俊;劉方;;蟻群算法在水電站調(diào)度函數(shù)優(yōu)化中的應(yīng)用[J];電力系統(tǒng)自動化;2011年20期

5 黃帥棟;衛(wèi)志農(nóng);高宗和;楊爭林;孫國強(qiáng);孫永輝;;基于非負(fù)矩陣分解的相關(guān)向量機(jī)短期負(fù)荷預(yù)測模型[J];電力系統(tǒng)自動化;2012年11期

6 王建勛;呂群芳;劉會金;;基于Delphi和Matlab混合編程的配電網(wǎng)無功優(yōu)化軟件設(shè)計(jì)[J];電力自動化設(shè)備;2011年04期

7 馬瑞;姜飛;Garng M Huang;;基于電力系統(tǒng)負(fù)荷變動速率的美國得州ERCOT短期負(fù)荷預(yù)測[J];電力自動化設(shè)備;2012年02期

8 韓勇;李紅梅;;基于小波分解的支持向量機(jī)母線負(fù)荷預(yù)測[J];電力自動化設(shè)備;2012年04期

9 許力;竺鵬東;顧宏杰;許文才;;基于變尺度PCA的電力設(shè)備載流故障早期預(yù)警[J];電力自動化設(shè)備;2012年05期

10 吳杰康;祝宇楠;韋善革;;采用改進(jìn)隸屬度函數(shù)的梯級水電站多目標(biāo)優(yōu)化調(diào)度模型[J];電網(wǎng)技術(shù);2011年02期

相關(guān)博士學(xué)位論文 前10條

1 王建軍;基于知識挖掘技術(shù)的智能協(xié)同電力負(fù)荷預(yù)測研究[D];華北電力大學(xué)（北京）;2011年

2 張亞剛;基于廣域信息的電力系統(tǒng)故障元件定位方法研究[D];華北電力大學(xué)（北京）;2011年

3 覃暉;流域梯級電站群多目標(biāo)聯(lián)合優(yōu)化調(diào)度與多屬性風(fēng)險決策[D];華中科技大學(xué);2011年

4 劉昌平;可信計(jì)算環(huán)境安全技術(shù)研究[D];電子科技大學(xué);2011年

5 楊正祥;基于智能算法的若干典型水文水資源問題研究[D];華中科技大學(xué);2011年

6 朱躍;基于分層思想的復(fù)雜機(jī)械結(jié)構(gòu)模型修正及確認(rèn)技術(shù)研究[D];南京航空航天大學(xué);2010年

7 毛李帆;電網(wǎng)規(guī)劃中長期負(fù)荷預(yù)測技術(shù)的研究[D];湖南大學(xué);2011年

8 盧有麟;流域梯級大規(guī)模水電站群多目標(biāo)優(yōu)化調(diào)度與多屬性決策研究[D];華中科技大學(xué);2012年

9 覃光華;人工神經(jīng)網(wǎng)絡(luò)技術(shù)及其應(yīng)用[D];四川大學(xué);2003年

10 萬星;水電科學(xué)中若干新方法應(yīng)用研究[D];四川大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 劉磊;多泥沙河流水庫優(yōu)化調(diào)度研究[D];鄭州大學(xué);2010年

2 范祥莉;梯級水電站群中長期多目標(biāo)優(yōu)化調(diào)度方法[D];大連理工大學(xué);2010年

3 付陽;支持向量機(jī)并行訓(xùn)練算法與基于遺傳算法的參數(shù)優(yōu)化研究[D];南昌大學(xué);2010年

4 毛志亮;混合核函數(shù)支持向量機(jī)在發(fā)酵過程建模中的應(yīng)用研究[D];江南大學(xué);2011年

5 何鵬;生料漿配料過程返料成分的時間序列混沌分析和SVM預(yù)測研究[D];中南大學(xué);2011年

6 羅鵬;模糊優(yōu)化方法在三峽梯級水庫調(diào)度中的應(yīng)用研究[D];華中科技大學(xué);2011年

7 項(xiàng)斌;基于小波包和支持向量機(jī)的機(jī)車軸承故障診斷研究[D];蘭州交通大學(xué);2011年

8 王陽;消除隱層冗余信息的改進(jìn)神經(jīng)網(wǎng)絡(luò)及應(yīng)用[D];華東理工大學(xué);2012年

9 劉明;基于小波和神經(jīng)網(wǎng)絡(luò)理論的電力系統(tǒng)負(fù)荷預(yù)測研究[D];南京理工大學(xué);2012年

10 楊菊香;洮河梯級電站水庫優(yōu)化調(diào)度研究[D];西安理工大學(xué);2007年

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 牛東曉;劉達(dá);陳廣娟;馮義;;基于遺傳優(yōu)化的支持向量機(jī)小時負(fù)荷滾動預(yù)測[J];電工技術(shù)學(xué)報;2007年06期

2 袁慧梅,郭喜慶,于海波;中壓配電網(wǎng)線損計(jì)算新方法[J];電力系統(tǒng)自動化;2002年11期

3 張曉星,周nv,任海軍,孫才新,程其云;基于增量約簡算法確定電力負(fù)荷預(yù)測模型輸入?yún)?shù)[J];電力系統(tǒng)自動化;2005年13期

4 韓力;韓學(xué)山;，

本文編號：2493887