基于相空间重构和QPSO-SVM的超短期负荷预测

被引：7

作者：

方仍存 ^{[1
]}

李超顺 ^{[2
]}

李静 ^{[2
]}

机构：

[1] 国网湖北省电力公司经济技术研究院

[2] 华中科技大学水电与数字化工程学院

来源：

中国农村水利水电 | 2014年 / 05期

关键词：

超短期负荷; 混沌特性; 支持向量机; 量子粒子群;

D O I：

暂无

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 [电力系统及其自动化];

摘要：

提出了一种基于负荷时间序列相空间重构与量子粒子群优化支持向量机的混合超短期负荷预测方法。首先利用G-P算法和C-C算法分别确定超短期负荷数据关联维数和延迟时间,对数据进行相空间重构,并获取预测模型的输入输出数据。接着采用量子粒子群(QPSO)对支持向量机(SVM)进行优化,构建了QPSO-SVM预测模型。最后利用相空间重构获得的模型输入输出数据对QPSO-SVM进行训练获得负荷预测模型。对某电网模拟负荷预测试验结果表明,方法有效提高了负荷预测精度,具有一定的科学意义及工程价值。

引用

页码：142 / 145+154 +154

页数：5

共 16 条

[1]

基于混沌理论和LSSVM的蒸汽负荷预测 [J].