【Matlab光伏功率预测】基于支持向量机的多变量光伏功率预测(libsvm)(附MATLAB代码)
文章介绍
-
光伏发电受天气与地理环境影响,呈现出波动性和随机多干扰性,其输出功率容易随着外界因素变化而变化,因此预测发电输出功率对于优化光伏发电并网运行和减少不确定性的影响至关重要.
-
支持向量机-SVM知识简介
支持向量机除了可以解决分类问题之外,还可以处理回归问题。 SVR回归是找到一个回归平面,让一个集合的所有数据到该平面的距离最近。 与一般回归不一样的是,支持向量回归会允许模型有一定的的偏差,在偏差范围之内的点,模型不认为他们有问题,而偏差范围之外的点就会计入损失。所以对于支持向量回归来说,支持向量以内的点都会影响模型,而支持向量之外的点用于计算损失。街道的宽度由超参数ε控制。ε越大,街道的宽度越大
优点:
有效性:解决高维特征的分类问题和回归问题很有效,在特征维度大于样本数时依然有很好的效果;
核函数可以很灵活的来解决各种非线性的分类回归问题
稀疏性:仅仅使用支持向量来做超平面的决定,无需使用全部数据。
样本量不是海量数据的时候,分类准确率高,泛化能力强
缺点:
SVM在样本量非常大,核函数映射维度非常高时,计算量过大,不太适合使用
SVM对缺失数据敏感
如果特征维度远远大于样本数,则SVM表现一般 -
在当今充满技术创新和科学发展的时代,