一种新的粒子群算法优化支持向量机的短期负荷预测

• 作者: 岳小冰 陶琳
• 来源期刊: 电子设计工程
• 学科: 工学
• 关键词: 粒子群优化算法 电力负荷预测模型 支持向量机 混沌理论
• 年，卷（期）: 2016,（16）
• 所属期刊栏目: 电力电子技术
• 页码范围: 151-154
• 页数: 4页
• 分类号: TN98
• 字数: 3048字
• 语种: 中文

摘要

通过研究电力负荷预测中支持向量机的参数优化问题，将改进后新的粒子群算法导入支持向量机参数中，从而建立一种新的电力负荷预测模型（IPSO-SVM）。首先将支持向量机参数编码为粒子初始位置向量，然后通过对粒子个体之间信息交流、协作的分析找到支持向量机的最优参数，并针对标准粒子群算法的缺陷进行一定的改进，从而应用于电力负荷的建模与预测，最后通过仿真对比实验来测试它的性能。实验结果表明，这种新的电力负荷预测模型能够获得较高精度的电力负荷预测结果，大大减少了训练时间，能够满足电力负荷在线预测要求。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	岳小冰	河南工业职业技术学院电子信息工程系	22	32	3.0	4.0
2	陶琳	河南工业职业技术学院电子信息工程系	22	61	5.0	7.0