基于改进PSO-LSSVM的短期电力负荷预测

被引：11

作者：

马小津 ^{[1
]}

朱博 ^{[2
]}

戴琳 ^{[1
]}

张伟 ^{[1
]}

陈熙 ^{[1
]}

机构：

[1] 合肥通用机械研究院

[2] 安徽省电力设计院

来源：

自动化技术与应用 | 2016年 / 35卷 / 03期

关键词：

最小二乘支持向量机(LSSVM); 短期电力负荷; 预测; 粒子群(PSO);

D O I：

暂无

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

短期电力负荷预测是电力系统安全调度、经济运行的重要依据,随着电力系统的市场化,负荷预测的精度直接影响到电力系统运行的可靠性、经济性和供电质量。LSSVM不仅保持了SVM的优点,同时降低了计算复杂性,加快求解速度,为短期电力负荷预测提供了一个新的研究方向。本文将最小二乘支持向量机(LSSVM)用于短期电力负荷预测,提出基于LSSVM的短期电力负荷预测模型,同时建立改进粒子群模型对LSSVM进行参数优化,并以浙江台州某地区的历史负荷数据和气象数据为例进行验证,实例验证表明,改进PSO-LSSVM模型的预测效果明显提高。

引用

页码：5 / 9+19 +19

页数：6

共 7 条

[1] 基于核主成分分析和CSM-PSCO优化LSSVR的短期负荷预测 [J].