基于扩展记忆粒子群-支持向量回归的短期电力负荷预测

被引：14

作者：

段其昌 ^{[1
]}

曾勇 ^{[1
]}

黄大伟 ^{[1
]}

段盼 ^{[2
]}

刘顿 ^{[3
]}

机构：

[1] 重庆大学自动化学院

[2] 重庆大学电气工程学院

[3] 内江市电业局

来源：

电力系统保护与控制 | 2012年 / 40卷 / 02期

关键词：

扩展记忆; 粒子群优化; 支持向量回归; 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：

为了快速准确高效地预测短期电力负荷,提出了一种带扩展记忆的粒子群优化技术(PSOEM)和支持向量回归(SVR)相结合,以历史负荷数据、气象因素等作为输入的基于PSOEM-SVR的短期电力负荷预测方法。PSOEM比传统PSO收敛速度更快精度更高具有更强的寻优能力,用它来优化组合核函数SVR参数,减少了SVR参数设置的盲目低效性,获得较优的PSOEM-SVR预测模型。该模型的实例仿真预测结果表明该方法比BP神经网络具有更好的准确性和稳定性,平均绝对误差控制在1%以内。

引用

页码：40 / 44

页数：5

共 11 条

[1] 两种新型综合模型在短期负荷预测中的应用
徐建
邱晓燕
张子健
周曲
[J]. 电力系统保护与控制, 2010, 38 (17) : 101 - 106+111
[2] 粒子群优化的神经网络模型在短期负荷预测中的应用
陆宁
周建中
何耀耀
[J]. 电力系统保护与控制, 2010, 38 (12) : 65 - 68
[3] 优化组合核函数相关向量机电力负荷预测模型
段青
赵建国
马艳
[J]. 电机与控制学报, 2010, 14 (06) : 33 - 38
[4] 基于支持向量机的夏季电力负荷短期预测方法
沈梁玉
于欣
[J]. 华东电力, 2009, 37 (11) : 1844 - 1847
[5] 基于数据挖掘的FNN短期电力负荷预测方法研究
崔和瑞
宋秀莉
葛曼倩
[J]. 电力系统保护与控制, 2009, 37 (22) : 54 - 57
[6] 短期电力负荷预测的灰色-小波网络组合模型
汪克亮
杨宝臣
杨力
[J]. 计算机工程与应用, 2009, 45 (32) : 186 - 188
[7] 基于HHT和神经网络组合的负荷预测模型研究
白玮莉
刘志刚
彭权威
谢建
[J]. 电力系统保护与控制, 2009, 37 (19) : 31 - 35
[8] 改进遗传神经网络及其在负荷预测中的应用
高海龙
张国立
[J]. 华北电力大学学报(自然科学版), 2009, 36 (05) : 37 - 40
[9] 基于改进粒子群-径向基神经网络模型的短期电力负荷预测
师彪
李郁侠
于新花
闫旺
何常胜
孟欣
[J]. 电网技术, 2009, 33 (17) : 180 - 184
[10] 短期电力负荷预测的模糊神经网络方法
胡越黎
计慧杰
[J]. 应用科学学报, 2009, 27 (01) : 79 - 83

← 1 2 →