基于人群搜索算法优化参数的支持向量机短期电力负荷预测

• 作者: 王思华 赵峰 魏立兵
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 人群搜索算法 支持向量机 短期负荷预测 参数优化
• 年，卷（期）: 2016,（8）
• 所属期刊栏目: 理论与实验研究
• 页码范围: 45-49,74
• 页数: 6页
• 分类号: TP391|TM93
• 字数: 3550字
• 语种: 中文

摘要

支持向量机是一种新型机器学习算法,它基于结构风险最小化准则取得较小的实际风险,有效提高了泛化能力,具有理论严密、适应性强、全局优化等特点,在模式识别和回归问题等方面应用广泛.以某地区历史负荷数据为输入,通过人群搜索算法对支持向量的各项参数进行寻优计算,得到最优的参数取值,然后把最优参数代入到SVM预测模型中,得到人群搜索算法的支持向量机(SOA-SVM)模型,利用此模型对某地区未来24小时的负荷进行短期预测.通过算例验证,利用SOA-SVM预测的精度要比BP神经网络和PSO-SVM的精度要高,所以说明用此方法进行短期负荷预测是有效和可行的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王思华	兰州交通大学自动化与电气工程学院	49	269	10.0	15.0
2	赵峰	兰州交通大学自动化与电气工程学院	96	515	13.0	18.0
3	魏立兵	兰州交通大学自动化与电气工程学院	2	27	1.0	2.0