基于LS-SVM和PSO相结合的电力负荷预测研究

• 作者: 席秋义 方卫民 王义民 黄强
• 来源期刊: 水力发电学报
• 学科: 工学
• 关键词: 电力系统 电力负荷预测 粒子群算法 最小二乘支持向量机
• 年，卷（期）: 2010,（4）
• 页码范围: 245-250
• 分类号: TM715
• 语种: 中文

摘要

提出了一种基于最小二乘支持向量机(LS-SVM)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,对未来日最大负荷进行预测.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,并应用粒子群算法优化最小二乘支持向量机的参数,提高了预测模型的训练速度和预测能力.实际算例表明,使用上述方法进行电力负荷预测,具有良好的可行性和有效性,与BP神经网络法的预测结果相比,前者具有更高的精度和更强的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄强	西安理工大学西北水资源与环境生态教育部重点实验室	448	7911	38.0	68.0
2	王义民	西安理工大学西北水资源与环境生态教育部重点实验室	125	1573	19.0	34.0
3	席秋义		12	67	5.0	8.0
4	方卫民	西安理工大学西北水资源与环境生态教育部重点实验室	3	17	2.0	3.0