科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对最小二乘支持向量机(LSSVM)在利用现场数据建模时难以适应不同工况,鲁棒性较差的问题,提出了一种基于在线自适应修正的鲁棒LSSVM模型。该方法以总的预报误差大小作为阈值,根据不同工况自适应更新参数,从而提高模型对数据的适应性;同时采用模糊隶属度对向量机优化问题中的误差平方项赋予动态权值,增强模型的抗噪声能力。将该方法应用于电厂实际数据对一次风量的预测,并与普通LSSVM模型相比,结果表明该算法所建立的模型鲁棒性强、预测精度高。该模型可满足不同工况下数据的实时预测和估计,为各种在线监测系统提供了良好的数据支持。
- 出版日期2017
- 单位华北电力大学
