基于入侵杂草优化算法的支持向量机负荷预测

• 作者: 周尚珺玺 马立新
• 来源期刊: 电力科学与工程
• 学科: 工学
• 关键词: 短期负荷预测 支持向量机 入侵杂草优化
• 年，卷（期）: 2017,（2）
• 页码范围: 35-40
• 页数: 6页
• 分类号: TM715
• 字数: 4247字
• 语种: 中文
• DOI: 10.3969/j.ISSN.1672-0792.2017.02.006

摘要

针对支持向量机(Support Vector Machine,SVM)预测方法中的参数选取主要依靠经验试算实验比对的方法导致难以快速选择合适参数从而影响负荷预测精度的问题,研究了将入侵杂草优化算法(Invasive Weed Optimization,IWO)与支持向量机算法相结合的改进算法.提出控制误差ε的取值,采用入侵杂草寻优算法对惩罚参数C和核函数参数σ进行优化选取,将自动寻优的结果赋给支持向量机,从而实现支持向量机自动寻优.用某市的历史负荷及相关天气等信息数据,通过仿真实验证明了IWO-SVM算法用于短期负荷预测的可行性,以及IWO算法对改善SVM的参数选择的有效性.平均预测误差在3％以内,满足行业要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马立新	上海理工大学光电信息与计算机工程学院	146	650	11.0	17.0
2	周尚珺玺	上海理工大学光电信息与计算机工程学院	3	22	2.0	3.0