【摘 要】
：
针对现有的点预测方法难以计及电网运行中的诸多不确定性因素的问题,提出一种结合改进粒子群(IPSO)和高斯过程回归(GPR)的短期负荷区间预测方法。将不同核函数进行组合,实现
【基金项目】
：
国家自然科学基金重大研究计划基金项目(91538201),泰山学者工程专项经费基金项目(Ts201511020).
论文部分内容阅读
针对现有的点预测方法难以计及电网运行中的诸多不确定性因素的问题,提出一种结合改进粒子群(IPSO)和高斯过程回归(GPR)的短期负荷区间预测方法。将不同核函数进行组合,实现组合核函数高斯过程回归算法;通过改进粒子群算法实现以均方误差最小为目标的GPR模型超参数优化求解,建立改进粒子群-高斯过程回归(IPSO-GPR)负荷区间预测模型,获得一定置信水平的日小时负荷区间预测结果。将该方法与比较方法的预测性能进行对比,算例分析结果显示,改进粒子群优化组合核函数GPR模型取得了更好的区间预测效果,验证了所提方法的
其他文献
从事新闻行业的人员都知道,如果想推送出新颖、独特、质量较高的新闻内容,就要进行前期广泛的新闻素材的大量搜集,新闻素材的收集渠道决定了它的准确性、真实性,新闻素材收集
为克服移动终端掌纹图像预处理受到的多方面干扰,设计一种"工"字形辅助定位拍摄方法,在此基础上提出一种结合自适应高斯肤色模型和区域生长的掌纹分割方法。选取训练子区域自适应估计高斯肤色模型的参数,设定肤色似然度阈值,得到非完整的分割结果,进行区域生长,分割出准确的手部区域。该方法可有效抵御与手部不连通背景类肤色区域的干扰,克服单一固定阈值分割对手部区域肤色渐变的失效性。实验结果表明,该方法在移动环境下
提出一种基于转矩观测器的电动汽车内置式永磁同步电动机精确转矩闭环控制方法。通过内置式永磁同步电动机数学模型的建立,分析了基于Popov超稳定理论的模型参考自适应参数辨
在我国的新闻行业飞速发展的过程中,新闻媒体对新闻线索的实效性和价值性也有了更高一步的要求。通常情况下,具有高价值、重分量的"好"新闻都是在新闻线索的发现和收集过程中
为解决无人机航拍图像中输电线检测识别率低和误检率高的问题,分析航拍图像输电线的线性特征和区域分布特点,提出一种在复杂背景环境下输电线检测的改进随机霍夫变换方法。使用黑塞(Hessian)矩阵对输电线进行预处理,采用边界搜索和像素条分块对输电线区域和非输电线区域进行分割,降低输电线的误检率和漏检率,增强输电线目标检测识别率。实验结果表明,该方法比标准霍夫(Hough)变换方法和随机霍夫变换方法具有更