基于扩展记忆粒子群-支持向量回归的短期电力负荷预测

• 作者: 刘顿 曾勇 段其昌 段盼 黄大伟
• 来源期刊: 电力系统保护与控制
• 学科: 工学
• 关键词: 扩展记忆 粒子群优化 支持向量回归 短期负荷预测
• 年，卷（期）: 2012,（2）
• 所属期刊栏目: 理论分析
• 页码范围: 40-44
• 分类号: TM715
• 字数: 3916字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-3415.2012.02.008

摘要

为了快速准确高效地预测短期电力负荷,提出了一种带扩展记忆的粒子群优化技术( PSOEM)和支持向量回归(SVR)相结合,以历史负荷数据、气象因素等作为输入的基于PSOEM-SVR的短期电力负荷预测方法.PSOEM比传统PSO收敛速度更快精度更高具有更强的寻优能力,用它来优化组合核函数SVR参数,减少了SVR参数设置的盲目低效性,获得较优的PSOEM-SVR预测模型.该模型的实例仿真预测结果表明该方法比BP神经网络具有更好的准确性和稳定性,平均绝对误差控制在1％以内.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	段其昌	重庆大学自动化学院	70	642	14.0	20.0
2	黄大伟	重庆大学自动化学院	5	73	5.0	5.0
3	段盼	重庆大学电气工程学院	8	89	6.0	8.0
4	曾勇	重庆大学自动化学院	3	37	3.0	3.0
5	刘顿		1	22	1.0	1.0