PSO-LSSVM的电力负荷预测研究 |
| |
引用本文: | 朱玲明,王志坤.PSO-LSSVM的电力负荷预测研究[J].科技广场,2014(2):11-15. |
| |
作者姓名: | 朱玲明 王志坤 |
| |
作者单位: | 湖南航天管理局;中国航天科工集团7801研究所; |
| |
摘 要: | 对影响电力负荷因素之间的非线性,有效提高电力负荷的预测精度,本文提出了一种最小二乘支持向量机(LSSVM)和粒子群优化技术(PSO)相结合的电力负荷预测方法。以历史负荷数据气象因素等作为输入,建立预测模型,对未来时刻电力负荷进行预测。该模型利用结构风险最小化原则代替传统的经验风险最小化,以充分挖掘原始数据的信息,并采用粒子群优化算法来优化最小二乘支持向量机的参数,旨在提高预测模型的训练预测精度。实际算例表明,使用PSO-LSSVM方法进行电力负荷预测,具有良好的可行性和有效性,与BP神经网络和LSSVM方法的预测结果相比,所提出的PSO-LSSVM模型预测平均误差仅为0.85%,具有更高的精度,适用于电力负荷预测。
|
关 键 词: | 电力负荷预测 粒子群算法 最小二乘支持向量机 BP神经网络 |
本文献已被 CNKI 等数据库收录! |
|