基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
准确的负荷预测对于整个电力系统经济有效运行有着重要的意义.针对负荷预测集和预测模型作出协同优化改进,提出了基于粒子群(Particle Swarm Optimization,PSO)优化的自组织特征映射网络(Self-organizing Feature Mapping,SOFM)和遗传算法(Genetic Algorithm,GA)优化的最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)的短期电力负荷预测方法.使用自适应权重的粒子群算法对SOFM的权值进行优化处理,采用优化的PSO-SOFM对原始负荷数据进行分类处理,得到多组训练集.针对每组训练集建立LSSVM预测模型,并使用GA优化其关键参数,最终得到GA-LSSVM预测模型.最后利用已有的负荷数据进行了负荷预测,验证了该方法的准确性和有效性.
推荐文章
基于最小二乘支持向量机的短期负荷预测模型
最小二乘支持向量机
神经网络
短期负荷预测
时间序列预测
NRS和PSO算法优化最小二乘支持向量机的短期电力负荷预测
短期电力负荷预测
邻域关系
属性约简
最小二乘支持向量机
粒子群算法
预测精度
最小二乘支持向量机的短期负荷多尺度预测模型
短期负荷
多尺度预测
多孔算法
最小二乘支持向量机
基于最小二乘支持向量机的蜡沉积速率预测
最小二乘支持向量机
蜡沉积速率
预测
模型
模型精度
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于自组织特征神经网络和最小二乘支持向量机的短期电力负荷预测方法
来源期刊 现代电力 学科 工学
关键词 负荷预测 自组织特征映射神经网络 最小二乘支持向量机 粒子群算法 遗传算法
年,卷(期) 2021,(1) 所属期刊栏目 智能电网
研究方向 页码范围 17-23
页数 7页 分类号 TM73
字数 语种 中文
DOI 10.19725/j.cnki.1007-2322.2020.0201
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (209)
共引文献  (169)
参考文献  (16)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1974(1)
  • 参考文献(0)
  • 二级参考文献(1)
1979(1)
  • 参考文献(0)
  • 二级参考文献(1)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(7)
  • 参考文献(0)
  • 二级参考文献(7)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(9)
  • 参考文献(0)
  • 二级参考文献(9)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(7)
  • 参考文献(1)
  • 二级参考文献(6)
2009(5)
  • 参考文献(0)
  • 二级参考文献(5)
2010(6)
  • 参考文献(0)
  • 二级参考文献(6)
2011(12)
  • 参考文献(1)
  • 二级参考文献(11)
2012(19)
  • 参考文献(1)
  • 二级参考文献(18)
2013(12)
  • 参考文献(0)
  • 二级参考文献(12)
2014(10)
  • 参考文献(0)
  • 二级参考文献(10)
2015(16)
  • 参考文献(1)
  • 二级参考文献(15)
2016(23)
  • 参考文献(1)
  • 二级参考文献(22)
2017(30)
  • 参考文献(2)
  • 二级参考文献(28)
2018(33)
  • 参考文献(2)
  • 二级参考文献(31)
2019(8)
  • 参考文献(5)
  • 二级参考文献(3)
2020(2)
  • 参考文献(2)
  • 二级参考文献(0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
负荷预测
自组织特征映射神经网络
最小二乘支持向量机
粒子群算法
遗传算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
现代电力
双月刊
1007-2322
11-3818/TM
大16开
北京德外朱辛庄华北电力大学
82-640
1984
chi
出版文献量(篇)
2372
总下载数(次)
3
论文1v1指导