基于算法融合的自适应短期负荷组合预测模型研究

组合预测把多种单一预测方法按一定方式结合,综合利用各种预测方法所提供的信息,并在综合这些信息的基础之上进行最优组合。采用支持向量机(SVM)实现分时段变权重组合预测,描述多种方法的预测结果与实际负荷的非线性关系,并采用改进粒子群(PSO)与模拟退火(SA)自学习融合的协同优化方法SA-MPSO对SVM模型参数进行优化,用两种不同特性的测试函数对该优化算法的收敛性进行测试,通过多次测试平均值验证其收敛性。实例仿真中,SA-MPSO优化的SVM模型实现对三个不同预测模型的组合,预测结果表明,该方法除了避开传统组合预测模型权重复杂求取问题,且参数优化自适应能力强,有利于预测精度的提高。