基于粒子群支持向量机的短期电力负荷预测

• 作者: 刘玲 卫志农 张红梅 龚灯才
• 来源期刊: 继电器
• 学科: 工学
• 关键词: 电力系统 短期负荷预测 支持向量机 粒子群
• 年，卷（期）: 2006,（3）
• 所属期刊栏目: 电力负荷预测
• 页码范围: 28-31
• 页数: 4页
• 分类号: TM715
• 字数: 3919字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-3415.2006.03.008

摘要

在分析支持向量机SVM(Support Vector Machine)回归估计方法参数性能的基础上,提出粒子群算法PSO(Particle Swarm Optimization)优化参数的SVM短期电力负荷预测模型.PSO算法是一种新型的基于群体智能的随机优化算法,简单易于实现且具有更强的全局优化能力.用所建立的负荷预测模型编制的Matlab仿真程序,对某实际电网进行了短期负荷预测,结果表明预测精度更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卫志农	河海大学电气工程学院	239	4926	37.0	61.0
2	刘玲	河海大学电气工程学院	9	134	5.0	9.0
3	龚灯才	河海大学电气工程学院	4	132	4.0	4.0
4	张红梅	河海大学电气工程学院	8	348	7.0	8.0