基于细菌群落趋药性优化的最小二乘支持向量机短期负荷预测方法

• 作者: 吕春泉 曾鸣 田廓 薛松
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 关键词: 短期负荷预测 超参数选择 细菌群落趋药性 最小二乘支持向量机
• 年，卷（期）: 2011,（34）
• 所属期刊栏目: 电力系统运行与规划
• 页码范围: 93-99
• 分类号: TM73
• 字数: 4554字
• 语种: 中文

摘要

智能电网的建设和电力市场的发展对短期负荷预测的精度和速度提出了更高的要求。应用一种仿生算法来改善负荷预测的精度和运算速度,提出一种基于细菌群落趋药性优化算法的最小二乘支持向量机（least squares-support vector machine based on bacterial colony chemotaxis optimization,BCC-LS-SVM）模型,通过细菌群体趋药性优化算法快速、合理地确定最小二乘支持向量机（least squares-support vectormachine,LS-SVM）的超参数。研究表明,与前馈（back-propagation,BP）神经网络算法和单纯的LS-SVM算法相比,BCC-LS-SVM算法具有较强的全局搜索能力,易于操作,能够实现更高的预测精度及更好的运算速度,更适用于当前中国短期负荷预测的需要。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曾鸣	华北电力大学能源与电力经济研究咨询中心	548	6088	40.0	55.0
2	薛松	华北电力大学能源与电力经济研究咨询中心	52	579	11.0	23.0
3	田廓		13	282	9.0	13.0
4	吕春泉	华北电力大学能源与电力经济研究咨询中心	2	81	2.0	2.0