机器学习算法在短期电力负荷预测中的应用

• 作者: 虞尚智
• 来源期刊: 科学技术与工程
• 学科: 工学
• 关键词: 短期电力负荷 蚁群优化算法 支持向量机 混沌理论
• 年，卷（期）: 2013,（8）
• 所属期刊栏目: 研究简报
• 页码范围: 2231-2234,2245
• 页数: 5页
• 分类号: TM714
• 字数: 3373字
• 语种: 中文

摘要

为了提高短期电力负荷预测准确性,提出一种蚁群算法(ACO)优化支持向量机(SVM)的短期电力负荷预测模型(ACO-SVM).首先采用混沌理论对短期电力负荷样本进行重构,然后将SVM参数作为蚂蚁的位置向量,通过蚁群信息交流和相互协作找到SVM最优参数,最后建立短期电力负荷的最优预测模型,并采用实际短期电力负荷数据进行有效性验证.结果表明,ACO-SVM能够准确刻画短期电力负荷变化特性,提高了短期电力负荷的预测准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	虞尚智	中山火炬职业技术学院信息工程系	8	31	3.0	5.0