PSO-LSSVM的电力负荷预测研究

• 作者: 朱玲明 王志坤
• 来源期刊: 科技广场
• 学科: 工学
• 关键词: 电力负荷预测 粒子群算法 最小二乘支持向量机 BP神经网络
• 年，卷（期）: 2014,（2）
• 所属期刊栏目: 研究与探讨 RESEARCH & EXPLORER
• 页码范围: 11-15
• 页数: 5页
• 分类号: TM715
• 字数: 3621字
• 语种: 中文

摘要

对影响电力负荷因素之间的非线性，有效提高电力负荷的预测精度，本文提出了一种最小二乘支持向量机（LSSVM）和粒子群优化技术（PSO）相结合的电力负荷预测方法。以历史负荷数据气象因素等作为输入，建立预测模型，对未来时刻电力负荷进行预测。该模型利用结构风险最小化原则代替传统的经验风险最小化，以充分挖掘原始数据的信息，并采用粒子群优化算法来优化最小二乘支持向量机的参数，旨在提高预测模型的训练预测精度。实际算例表明，使用PSO-LSSVM方法进行电力负荷预测，具有良好的可行性和有效性，与BP神经网络和LSSVM方法的预测结果相比，所提出的PSO-LSSVM模型预测平均误差仅为0.85%，具有更高的精度，适用于电力负荷预测。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱玲明		2	2	1.0	1.0
2	王志坤		3	3	1.0	1.0