基于自适应粒子群优化的SVM模型在负荷预测中的应用

• 作者: 刘颖 武本令 陆宁
• 来源期刊: 电力系统保护与控制
• 学科: 工学
• 关键词: 自适应 粒子群优化 支持向量机 全局优化 负荷预测
• 年，卷（期）: 2011,（15）
• 所属期刊栏目: 应用研究
• 页码范围: 43-46,51
• 分类号: TM715
• 字数: 3272字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-3415.2011.15.009

摘要

为了提高电力系统短期负荷预测精度,针对传统支持向量机(SVM)模型在负荷预测中存在的参数的选取问题,提出一种新的预测模型:用改进的自适应粒子群优化算法寻求SVM模型的最优参数.经典粒子群算法是一种全局优化算法,在此基础上提出改进的粒子群算法(FAPSO)并对其进行收敛性测试,将基于改进粒子群算法FAPSO优化的SVM模型用于短期电力负荷预测,实例仿真结果表明该预测模型精度高于传统SVM预测模型,具有一定实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陆宁	武汉理工大学自动化学院	12	211	7.0	12.0
2	武本令		7	108	3.0	7.0
3	刘颖		2	72	2.0	2.0