共 17 条
基于数据的SecRPSO-SVM短期电力负荷预测
被引：23
作者：
孙海蓉
[1
]
谢碧霞
[1
,2
]
田瑶
[1
,2
]
李卓群
[1
]
机构：
[1] 华北电力大学控制与计算机工程学院
[2] 华北电力大学河北省发电过程仿真与优化控制工程技术研究中心
来源：
关键词：
支持向量机;
粒子群算法;
二阶振荡;
斥力因子;
数据分析;
短期电力负荷;
D O I：
10.16182/j.issn1004731x.joss.201708025
中图分类号：
TM715 [电力系统规划];
TP18 [人工智能理论];
学科分类号：
081104 ;
0812 ;
0835 ;
1405 ;
摘要：
针对支持向量机在建模中的参数选取问题,提出一种二阶振荡和带斥力因子的粒子群优化算法优化支持向量机参数。采用非线性递减权重平衡算法的全局和局部搜索能力,二阶振荡因子保持种群多样性,提高全局搜索能力。斥力因子使粒子在搜索空间均匀分布,避免陷入局部最优。针对电力负荷的非线性、时变性、受多因素影响的复杂特点,提出一种基于数据的支持向量机预测模型,综合考虑天气、时间因素、历史负荷对预测结果的影响。仿真表明该方法可以建立短期电力负荷的有效高精度预测模型。
引用
收藏
页码：1829 / 1836
页数：8
相关论文