基于改进模糊聚类法和CPSO-LSSVM的母线负荷预测

• 作者: 杨波
• 来源期刊: 宁夏电力
• 学科: 工学
• 关键词: SOM 模糊聚类法 db4小波 CPSO-LSSVM 母线负荷预测
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 电网技术
• 页码范围: 25-33
• 页数: 9页
• 分类号: TM715
• 字数: 7604字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-3643.2017.05.004

摘要

针对大型冶金企业专用母线负荷种类多、分布不均、规律性弱等特点,利用自组织特征映射神经网络(self-organizing feature map,SOM)对模糊聚类法进行改进,以选择待预测日的相似日,通过db4小波对相似日负荷数据进行分解、去噪和重构处理后作为后期预测模型的训练样本;采用混沌粒子群算法(chaos particle swarm optimization,CPSO)对最小二乘支持向量机(least square support vector machine,LSSVM)算法的惩罚参数和核函数覆盖宽度进行优化,构造了基于CPSO和LSSVM的母线负荷预测模型.仿真结果表明:该负荷预测模型,将预测结果的相对误差降低到1.998%,预测精度达到了97%,提高了专用母线负荷预测准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨波		2	6	2.0	2.0