全電力推進(jìn)船舶短期電力負(fù)荷預(yù)測(cè)研究.pdf

1、隨著全電力推進(jìn)船舶電站自動(dòng)化的提高，船舶電力負(fù)荷預(yù)測(cè)逐漸成為研究熱點(diǎn)。越來(lái)越多的人工智能方法被應(yīng)用到電力負(fù)荷預(yù)測(cè)中，使電力負(fù)荷的預(yù)測(cè)更加精確。本文以全電力推進(jìn)船舶為研究對(duì)象，應(yīng)用改進(jìn)的支持向量機(jī)（SVM）方法對(duì)其進(jìn)行電力負(fù)荷預(yù)測(cè)。
　　 本文首先介紹了常用的短期電力負(fù)荷預(yù)測(cè)方法。通過(guò)對(duì)比國(guó)內(nèi)外船舶短期電力負(fù)荷預(yù)測(cè)方法，說(shuō)明SVM船舶短期電力負(fù)荷預(yù)測(cè)的優(yōu)勢(shì)。之后，又介紹了全電力推進(jìn)船舶的電力系統(tǒng)，以及預(yù)測(cè)相關(guān)的一些技術(shù)基礎(chǔ)，如SV

2、M和蟻群算法。
　　 其次，介紹了SVM的基本原理，并給出核函數(shù)的概念。由于短期電力負(fù)荷預(yù)測(cè)需要迅速取得預(yù)測(cè)結(jié)果，本文將最小二乘法應(yīng)用到SVM中，降低了問(wèn)題的復(fù)雜性，提高了求解速度。通過(guò)分析現(xiàn)有最小二乘SVM中參數(shù)確定方法的不足，使用蟻群算法來(lái)優(yōu)化計(jì)算最小二乘SVM中的兩個(gè)參數(shù)。
　　 最后，對(duì)采集的歷史數(shù)據(jù)做出了預(yù)處理。數(shù)據(jù)初始化后，建立預(yù)測(cè)模型，使用蟻群優(yōu)化算法計(jì)算懲罰參數(shù)與核函數(shù)參數(shù)，之后使用ACA-LS-SVM方