基于相似日的支持向量机短期负荷预测

• 作者: 吕彩艳 杨宏超 王雪微 程若发
• 来源期刊: 计算机测量与控制
• 关键词: 负荷预测 最小二乘支持向量机 细菌趋化 相似日 日期距离
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 测试与故障诊断
• 页码范围: 47-50,83
• 页数: 5页
• 分类号: TM715
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2018.01.012

摘要

为提高电网短期负荷预测的精度,对以往学者基于相似日和最小二乘支持向量机(LS-SVM)短期负荷预测方法进行改进,形成一种改进的基于相似日和细菌趋化改进粒子群算法优化最小二乘支持向量机(least squares support vector machine based on improvedparticle swarm optimization for bacterial chemotaxis,PSOBC-LSSVM)的预测模型;克服了标准粒子群算法容易早熟收敛和陷入局部最优的问题,并充分考虑短期负荷的连续性与周期性对选取相似日造成的影响,将二者结合到一起综合考虑,利用改进的粒子群得到二者的最佳匹配值,并将其融合到时间距离这一因子当中;算例表明该方法预测精度较更高,可行且有效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程若发	南昌航空大学研究生院	34	91	6.0	6.0
2	杨宏超	南昌航空大学研究生院	9	21	3.0	4.0
3	吕彩艳	南昌航空大学研究生院	9	21	3.0	4.0
4	王雪微	南昌航空大学研究生院	6	13	2.0	3.0