基于改进天牛须搜索算法优化LSSVM短期电力负荷预测方法研究

• 作者: 闫重熙 陈皓
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 天牛须搜索算法 短期负荷预测 支持向量机 粒子群算法 小波阈值去噪
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 理论与实验研究
• 页码范围: 6-11,18
• 页数: 7页
• 分类号: TM933
• 字数: 5348字
• 语种: 中文
• DOI: 10.19753/j.issn1001-1390.2020.06.002

摘要

为提高短期电力负荷预测精度,提出了一种天牛须搜索算法优化的LSSVM短期电力负荷预测模型.引入模拟退火算法的蒙特卡洛法则对优化算法进行改进,提高了该算法的稳定性.将改进BAS算法优化后的LSS-VM模型用于短期电力负荷预测问题.使用小波阈值去噪处理电力负荷数据,减少一些不确定性因素对负荷预测的影响,提高了预测精度.选择四川某地区电网实际历史负荷数据进行分析和预测,并与PSO-LSSVM、LSS-VM预测模型进行对比分析.算例结果表明,所提出的IBAS-LSSVM预测模型与LSSVM相比预测精度提升了1.5％左右,与PSO-LSSVM相比算法运行时间缩短了70％,且算法稳定性更高,证明了该方法的实用性与有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈皓	四川大学电气信息学院	37	387	12.0	19.0
2	闫重熙	四川大学电气信息学院	4	5	2.0	2.0