基于改进的PSO-SVM的短期电力负荷预测

被引:28
作者
王义军
李殿文
高超
张洪赫
机构
[1] 东北电力大学电气工程学院
关键词
电力系统; 气象因素; 支持向量机; 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
摘要
提出一种基于PSO-SVM电力负荷短期预测方法,在SVM学习过程中引入粒子群算法。通过选取组合核函数来改进SVM算法,这样可以充分保证计算速度和较高的预测精度。利用吉林地区的历史负荷数据作为训练样本,通过与传统的SVM预测模型进行对比,对预测结果与实际数据进行比较,证明基于组合核函数预测方法在一定程度上能够保证短期负荷预测的精度。
引用
收藏
页码:22 / 25
页数:4
相关论文
共 8 条
[1]   基于小波分解的支持向量机母线负荷预测 [J].
韩勇 ;
李红梅 .
电力自动化设备, 2012, 32 (04) :88-91
[2]   母线负荷预测中样本数据预处理的新方法 [J].
李光珍 ;
刘文颖 ;
云会周 ;
高玉华 .
电网技术, 2010, 34 (02) :149-154
[3]   基于经验模式分解与人工神经网络的短期电力负荷预测 [J].
郑连清 ;
郑艳秋 .
电力系统保护与控制, 2009, 37 (23) :66-69+74
[4]   基于小波分析的月度负荷组合预测 [J].
姚李孝 ;
刘学琴 .
电网技术, 2007, (19) :65-68
[5]   人体舒适度指数在短期电力负荷预测中的应用 [J].
秦海超 ;
王玮 ;
周晖 ;
王林 .
电力系统及其自动化学报, 2006, (02) :63-66
[6]   基于支持向量机的电力系统短期负荷预测 [J].
潘峰 ;
程浩忠 ;
杨镜非 ;
张澄 ;
潘震东 .
电网技术, 2004, (21) :39-42
[7]   短期负荷综合预测模型的探讨 [J].
莫维仁 ;
张伯明 ;
孙宏斌 ;
胡子衡 .
电力系统自动化, 2004, (01) :30-34
[8]   应用Kalman滤波方法的超短期负荷预报 [J].
谢开 ;
汪峰 ;
于尔铿 ;
葛维春 ;
马新 ;
潘明惠 .
中国电机工程学报, 1996, (04) :245-249