一种新的粒子群算法优化支持向量机的短期负荷预测

通过研究电力负荷预测中支持向量机的参数优化问题,将改进后新的粒子群算法导入支持向量机参数中,从而建立一种新的电力负荷预测模型(IPSO-SVM)。首先将支持向量机参数编码为粒子初始位置向量,然后通过对粒子个体之间信息交流、协作的分析找到支持向量机的最优参数,并针对标准粒子群算法的缺陷进行一定的改进,从而应用于电力负荷的建模与预测,最后通过仿真对比实验来测试它的性能。实验结果表明,这种新的电力负荷预测模型能够获得较高精度的电力负荷预测结果,大大减少了训练时间,能够满足电力负荷在线预测要求。