基于改进遗传算法的SVR短期电力负载预测

• 作者: 杨丹 甘露 臧洌
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 支持向量回归 负载预测 遗传算法
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 计算机仿真
• 页码范围: 59-62,67
• 页数: 5页
• 分类号: TP311.5
• 字数: 3930字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2016.06.013

摘要

为了有效且精确地预测电力负载,提出一种基于支持向量回归(Support Vector Regression,SVR)的预测方法对负载消耗进行建模,同时提出一种基于遗传算法(Genetic algorithm,GA)的两级改进遗传算法(Modified Genetic Algorithm,MGA)以调整SVR中的参数.在满足SVR约束条件的情况下选用平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)作为MGA的适应度函数.最后使用一组实际数据对基于MGA的SVR预测方法的可行性和有效性进行了验证.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	臧洌	南京航空航天大学计算机科学与技术学院	18	108	6.0	9.0
2	甘露	南京航空航天大学计算机科学与技术学院	13	23	4.0	4.0
3	杨丹	南京航空航天大学计算机科学与技术学院	6	16	2.0	4.0