基于相似日和蚁群优化LS-SVM的短期电力负荷预测

由统计学习理论发展的通用学习方法——支持向量机,在解决小样本、非线性及高维数等问题中表现出许多特有的优势。提出了采用最小二乘支持向量机建立负荷预测模型,它是对标准的支持向量机的一种扩展,降低了问题的复杂性,使得计算速度相对加快。在选取最小二乘支持向量机的训练样本时,采用加权的灰色关联度方法来选择相似日,对不同样本根据其重要性赋予不同的权重,同传统的关联度相比更具客观性。另外,对于最小二乘支持向量机的参数选择问题,针对目前尚无统一有效方法的现状,尝试采用了一种基于蚁群种群的新型优化算法———蚁群算法来优化选择,在很大程度上减少了人为选择参数的主观影响。最后通过实例验证了该模型的有效性,取得了比较满意的预测效果。