留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于改进PSO算法和LS-SVM的短期电力负荷预测

潘磊 李丽娟 丁婷婷 刘对

潘磊, 李丽娟, 丁婷婷, 等. 基于改进PSO算法和LS-SVM的短期电力负荷预测[J]. 工矿自动化, 2012, 38(9): 55-59.
引用本文: 潘磊, 李丽娟, 丁婷婷, 等. 基于改进PSO算法和LS-SVM的短期电力负荷预测[J]. 工矿自动化, 2012, 38(9): 55-59.
PAN Lei, LI Li-juan, DING Ting-ting, et al. Forecasting of Short-term Power Load Based on Improved PSO Algorithm and LS-SVM[J]. Industry and Mine Automation, 2012, 38(9): 55-59.
Citation: PAN Lei, LI Li-juan, DING Ting-ting, et al. Forecasting of Short-term Power Load Based on Improved PSO Algorithm and LS-SVM[J]. Industry and Mine Automation, 2012, 38(9): 55-59.

基于改进PSO算法和LS-SVM的短期电力负荷预测

详细信息
  • 中图分类号: TD601

Forecasting of Short-term Power Load Based on Improved PSO Algorithm and LS-SVM

  • 摘要: 针对电力负荷的小样本、非线性、高维数和局部极小点等问题,提出采用最小二乘支持向量机方法建模,以历史负荷、温度、湿度等数据作为输入量,对短期电力负荷进行预测;针对最小二乘支持向量机在建模中存在的参数选取问题,采用一种根据种群多样性信息来指导初始种群选取和避免粒子早熟收敛现象的改进粒子群优化算法来优化最小二乘支持向量机的惩罚因子和核参数。仿真结果表明,基于改进粒子群优化算法和最小二乘支持向量机的短期电力负荷预测方法较最小二乘支持向量机预测方法、基于基本粒子群优化算法和最小二乘向量机的预测方法具有更好的预测精确度。

     

  • 加载中
计量
  • 文章访问数:  51
  • HTML全文浏览量:  16
  • PDF下载量:  3
  • 被引次数: 0
出版历程
  • 刊出日期:  2012-09-10

目录

    /

    返回文章
    返回