基于GOA-SVM的短期负荷预测

• 作者: 宫毓斌 滕欢
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 短期负荷预测 支持向量机 蚱蜢优化算法
• 年，卷（期）: 2019,（14）
• 所属期刊栏目: 理论与实验研究
• 页码范围: 12-16
• 页数: 5页
• 分类号: TM715
• 字数: 3561字
• 语种: 中文
• DOI: 10.19753/j.issn1001-1390.2019.014.003

摘要

支持向量机是借助于凸优化技术的统计学习方法,与传统神经网络相比,泛化错误率低并且结果易于解释.将支持向量机用于负荷预测时,参数选择不准确会导致预测性能较差.提出一种基于蚱蜢优化算法的支持向量机短期负荷预测方法,以某地区负荷、天气等历史数据对SVM进行训练,并通过GOA优化选取支持向量机参数,然后以得到的最优参数建立GOA-SVM负荷预测模型.算例分析表明,GOA-SVM预测模型比GA-SVM和PSO-SVM模型有更好的收敛性能,且预测精度更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	滕欢	四川大学电气信息学院	62	531	12.0	21.0
2	宫毓斌	四川大学电气信息学院	4	25	3.0	4.0