基于核主成分分析和CSM-PSCO优化LSSVR 的短期负荷预测

• 作者: 孙景文 常鲜戎
• 来源期刊: 广东电力
• 学科: 工学
• 关键词: 短期负荷预测 核主成分分析 最小二乘支持向量回归机 粒子群算法 协同优化算法 单纯形法
• 年，卷（期）: 2015,（2）
• 页码范围: 64-69,92
• 页数: 7页
• 分类号: TM715
• 字数: 5090字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-290X.2015.02.013

摘要

分析了一种基于核主成分分析(kernel principle component analysis,KPCA)和混沌单纯形混合粒子群协同(chaos and simplex method-particle swarm coordinate optimization,CSM-PSCO)算法优化最小二乘支持向量回归机(least square support vector regression,LSSVR)的短期负荷预测模型。首先,采用 KPCA对训练样本的输入个数进行降维优选,以较少输入代替原始大量输入,同时信息大部分得以保留；然后,采用 LSSVR 对训练样本进行回归训练,训练过程中采用CSM-PSCO对LSSVR的相关参数进行优化,得到满足要求的模型；最后,采用训练好的模型对未知负荷进行预测。算例表明该模型的预测精度和速度均能满足实际的预测需求。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	常鲜戎	华北电力大学电气与电子工程学院	79	789	13.0	23.0
2	孙景文	华北电力大学电气与电子工程学院	5	30	4.0	5.0