基于SCE-UA支持向量机的短期电力负荷预测模型研究

• 作者: 曾筠 李刚 林剑艺 程春田
• 来源期刊: 大连理工大学学报
• 学科: 工学
• 关键词: 负荷预测 支持向量机 SCE-UA 相似日
• 年，卷（期）: 2011,（2）
• 页码范围: 263-268
• 分类号: TM74
• 字数: 3868字
• 语种: 中文

摘要

支持向量机(support vector machine,SVM)作为一种新颖的机器学习方法已成功应用于短期电力负荷预测,然而应用研究发现SVM算法性能参数的设置将直接影响负荷预测的精度.为此在对SVM参数性能分析的基础上,提出了SCE-UA(shuffled complex evolution University of Arizona)支持向量机短期电力负荷预测模型建模的思路及关键参数的选取,在建模过程中引入了径向基核函数,简化了非线性问题的求解过程,并应用SCE-UA算法辨识SVM的参数.贵州电网日96点负荷曲线预测的实际算例表明,所提SCE-UA支持向量机模型不仅克服了SVM参数选择的盲目性,而且能提高预测准确率,是一种行之有效的短期电力负荷预测模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程春田	大连理工大学水电与水信息研究所	168	2851	30.0	45.0
2	李刚	大连理工大学水电与水信息研究所	143	1746	22.0	35.0
3	林剑艺	大连理工大学水电与水信息研究所	10	316	7.0	10.0
4	曾筠	大连理工大学水电与水信息研究所	4	43	3.0	4.0