鲶鱼粒子群算法优化支持向量机的短期负荷预测

• 作者: 于水娟 刘淮霞 石晓艳
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 短期电力负荷 支持向量机 混沌理论 粒子群算法 鲶鱼效应
• 年，卷（期）: 2013,（11）
• 所属期刊栏目: 工程与应用
• 页码范围: 220-223,227
• 页数: 5页
• 分类号: TP393
• 字数: 4112字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1301-0005

摘要

为了准确、有效地预测短期负荷,提出了一种鲶鱼粒子群算法优化支持向量机的短期负荷预测模型(BFPSO-SVM).基于混沌理论对短期负荷时间序列进行相空间重构；将支持向量机参数的组合看作一个粒子位置串,通过粒子间互作找到最优支持向量机参数,并引入“鲶鱼效应”,克服基本粒子群算法的缺点；根据最优参数建立短期负荷预测模型,并对模型性能进行仿真测试.仿真结果表明,相对于其他预测模型,BFPSO-SVM不仅加快了支持向量机参数寻优速度,而且提高了短期负荷预测精度,更适用于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	刘淮霞	安徽理工大学电气与信息工程学院自动化系	38	124	6.0	9.0
2	于水娟	安徽理工大学电气与信息工程学院自动化系	20	58	4.0	7.0
3	石晓艳	安徽理工大学电气与信息工程学院自动化系	19	58	5.0	7.0