基于布谷鸟搜索优化支持向量机的短期负荷预测

• 作者: 王文婷 王新库 王洋 甄颖 胡智强 黄南天
• 来源期刊: 水电能源科学
• 学科: 工学
• 关键词: 短期负荷预测 布谷鸟搜索算法 支持向量机 参数寻优
• 年，卷（期）: 2016,（12）
• 所属期刊栏目: 电气工程
• 页码范围: 209-212
• 页数: 4页
• 分类号: TP715
• 语种: 中文

摘要

针对支持向量机(SVM)在短期负荷预测中,根据经验选取参数导致预测精度下降的问题,提出一种基于布谷鸟搜索算法(CSA)优化SVM的短期负荷预测新方法(CSA-SVM).先以历史负荷、温度、湿度等属性构成训练样本集的输入向量作为SVM的输入,以负荷值作为输出,建立SVM预测模型;再根据训练误差,以CSA对SVM中惩罚因子和核参数进行寻优;最后,按照CSA寻优获得的最优参数建立基于CSA-SVM的预测模型并开展短期负荷预测.实际负荷数据试验显示,相较于SVM模型、粒子群(PSO)优化SVM模型、BP神经网络模型,CSA-SVM具有更高的预测精度,能够满足电力系统短期负荷预测精度需求.