基于最小二乘支持向量机的协调系统预测
为了保证机组运行的安全、稳定、经济、高效,准确地预测协调系统动态特性显得尤为重要.支持向量机(SVM)是在统计学习理论上发展起来的一种实用算法,已在函数拟合、模式识别、时间序列预测等方面取得了越来越多的进展.最小二乘支持向量机(Least squares Support Vector Machines,LS-SVM)是针对解决线性系统KKT问题提出的对标准SVM的一种改写形式.本文基于LS-SVM算法及现场数据,对山西阳光电厂的协调系统进行了预测,通过仿真实验与其他方法比较,证明该方法具有更高的准确性。
协调系统预测 LS-SVM算法 最小二乘支持向量机 统计学习 电厂机组运行
张立刚 李海丽
华北电力大学控制科学与工程学院 保定 071003
国内会议
河南焦作
中文
785-788
2008-08-06（万方平台首次上网日期，不代表论文的发表时间）