基于最小二乘支持向量机的短期负荷预测

• 作者: 兰森 姜妍 孙艳学
• 来源期刊: 黑龙江电力
• 学科: 工学
• 关键词: 短期负荷预测 支持向量机 相似日 粒子群优化
• 年，卷（期）: 2012,（5）
• 所属期刊栏目: 分析与研究
• 页码范围: 349-352
• 分类号: TM715.1
• 字数: 3291字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-1663.2012.05.009

摘要

针对当今人工智能短期负荷预测方法存在的缺陷,提出了一种最小二乘支持向量机(LS-SVM)短期负荷预测方法,即建立最小二乘支持向量机(LS-SVM)回归模型.在选取该模型训练样本时,为了提高预测精度,采用灰色关联投影法来选取相似日.同时,针对标准粒子群优化算法易陷入局部最优的缺点,提出自适应变异粒子群优化算法来选择最小二乘向量机的参数,从而提高了负荷预测精度,避免了对模型参数的盲目选择.仿真结果分析表明,该方法有效、可行.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜妍	东北电力大学电气工程学院	1	3	1.0	1.0
2	兰森		5	14	2.0	3.0