基于改进粒子群优化LSSVM的短期电力负荷预测

• 作者: 卢家暄 张玉分 龙金莲
• 来源期刊: 机电信息
• 关键词: 粒子群算法 电力负荷预测 自适应变异 最小二乘支持向量机
• 年，卷（期）: 2016,（36）
• 所属期刊栏目: 电气工程与自动化
• 页码范围: 25,27
• 页数: 2页
• 字数: 2097字
• 语种: 中文

摘要

电力系统正常运行时,负荷预测是其运行和规划的重要依据之一.因此,针对粒子群算法(Particle Swarm Optimization,PSO)优化最小二乘支持向量机(Least Square Support Vector Machine,LSSVM)存在的速度变化梯度方向产生的非最优粒子问题,提出了一种基于自适应粒子群优化LSSVM参数的短期电力负荷预测方法.该预测模型在保持PSO优点的基础上,引入了自适应步长,使PSO在速度梯度上找到更优的粒子;引入遗传算法的变异操作保持粒子群的多样性,减小算法陷入局部极值的可能.随后将自适应PSO对LSSVM回归估计方法的参数进行优化,得到自适应PSO-LSSVM.最后将该方法应用于短期电力负荷预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卢家暄	贵州大学大数据与信息工程学院	17	70	4.0	7.0
2	张玉分	贵州大学电气工程学院	6	16	2.0	3.0
3	龙金莲	贵州大学电气工程学院	6	16	2.0	3.0