原文传递
全电力推进船舶短期电力负荷预测研究
| 论文题名： | 全电力推进船舶短期电力负荷预测研究 |
| 关键词： | 全电力推进;船舶;短期电力负荷;电力负荷预测;最小二乘法;预测方法;蚁群算法;蚁群优化算法;结果对比分析;建立预测模型;支持向量机;数据初始化;电站自动化;预测结果;优化计算;研究对象;数的概念;仿真实验;确定方法;两个参数 |
| 摘要： | 随着全电力推进船舶电站自动化的提高，船舶电力负荷预测逐渐成为研究热点。越来越多的人工智能方法被应用到电力负荷预测中，使电力负荷的预测更加精确。本文以全电力推进船舶为研究对象，应用改进的支持向量机（SVM）方法对其进行电力负荷预测。 本文首先介绍了常用的短期电力负荷预测方法。通过对比国内外船舶短期电力负荷预测方法，说明SVM船舶短期电力负荷预测的优势。之后，又介绍了全电力推进船舶的电力系统，以及预测相关的一些技术基础，如SVM和蚁群算法。 其次，介绍了SVM的基本原理，并给出核函数的概念。由于短期电力负荷预测需要迅速取得预测结果，本文将最小二乘法应用到SVM中，降低了问题的复杂性，提高了求解速度。通过分析现有最小二乘SVM中参数确定方法的不足，使用蚁群算法来优化计算最小二乘SVM中的两个参数。 最后，对采集的历史数据做出了预处理。数据初始化后，建立预测模型，使用蚁群优化算法计算惩罚参数与核函数参数，之后使用ACA-LS-SVM方法对目标全电力推进船舶进行短期电力负荷预测。将仿真实验结果与ANN法和传统SVM法的实验结果对比分析，证明了在船舶短期电力负荷预测领域，ACA-LS-SVM方法比其它方法速度更快，精确度更高。 |
| 作者： | 王嘉钰 |
| 专业： | 计算机应用技术 |
| 导师： | 张国印 |
| 授予学位： | 硕士 |
| 授予学位单位： | 哈尔滨工程大学 |
| 学位年度： | 2010 |
| 正文语种： | 中文 |
检索历史
应用推荐
