基于混合粒子群算法的短期负荷预测模型

被引：8

作者：

王波 ^{[1
]}

邰能灵 ^{[1
]}

翟海青 ^{[2
]}

叶剑 ^{[2
]}

朱家栋 ^{[3
]}

漆梁波 ^{[3
]}

机构：

[1] 上海交通大学电气工程系

[2] 上海市电力公司调度通信中心

[3] 上海中心气象台

来源：

电力系统及其自动化学报 | 2008年 / 03期

关键词：

外源自回归动平均; 进化算法; 粒子群优化; 短期负荷预测;

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：

由于电力负荷内在的非线性特性,传统基于梯度搜索的参数辨识技术可能陷入局部最优,影响了预测精度,故提出了混合进化和粒子群优化算法。将进化算法的基本思想引入粒子群优化算法,不但保持了粒子群算法结构简单、易于实现的特点,而且充分发挥了进化算法的全局搜索能力,可有效提高算法的精度和收敛速度。对上海地区电网进行短期负荷预测,与实际值相比较,结果表明,该算法具有较高的预测精度,是一种有效的短期预测方法。

引用

页码：50 / 55

页数：6

共 11 条

[1] 基于数据挖掘的SVM短期负荷预测方法研究 [J].