基于QPSO参数优化的WLS-SVM短期负荷预测

• 作者: 于奉振 王林川 白波 袁明哲
• 来源期刊: 现代电力
• 学科: 工学
• 关键词: 量子粒子群优化 最小二乘支持向量机 短期负荷预测 鲁棒性
• 年，卷（期）: 2010,（5）
• 页码范围: 49-52
• 分类号: TM7
• 字数: 3050字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-2322.2010.05.011

摘要

为了解决负荷非线性特性导致的预测模型难以准确建立的问题,提出一种基于量子粒子群优化(QPSO)参数选择的加权最小二乘支持向量机(WLS-SVM)的短期负荷预测模型和方法.首先,利用量子粒子群优化方法来对模型进行训练,从而选出最优超参数.其次,采用具有良好泛化性能的WLS-SVM回归模型弥补损失的鲁棒性.文中以黑龙江电网短期负荷预测为例,将该方法与一般LS-SVM模型的预测结果进行了对比分析,结果表明此方法能明显提高预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	袁明哲	东北电力大学电气工程学院	9	86	5.0	9.0
2	白波	东北电力大学电气工程学院	5	54	3.0	5.0
3	于奉振	东北电力大学电气工程学院	5	31	3.0	5.0
4	王林川	东北电力大学电气工程学院	34	221	7.0	13.0