基于加权粒子群优化的LSSVM的钢铁企业电力负荷预测

被引：11

作者：

李顺昕 ^{[1
]}

秦砺寒 ^{[1
]}

胥永兰 ^{[2
]}

牛东晓 ^{[2
]}

王智敏 ^{[1
]}

机构：

[1] 国网冀北电力有限公司经济技术研究院

[2] 华北电力大学经济与管理学院

来源：

华北电力大学学报(自然科学版) | 2014年 / 41卷 / 06期

关键词：

钢铁负荷预测; 最小二乘支持向量机; 粒子群优化; 智能预测模型;

D O I：

暂无

中图分类号：

TM715 [电力系统规划];

学科分类号：

摘要：

钢铁企业电力负荷作为电力负荷的重要组成部分,钢铁电力负荷的准确预测对于提高电力负荷预测精度具有重要意义。为了实现钢铁电力负荷的中长期预测,本文选取了经济因素和社会因素作为自变量,引入带有惯性权重的粒子群算法(WPSO)对传统的最小二乘支持向量机智能预测模型(LSSVM)参数进行优化,并利用某地区钢铁电力负荷样本数据进行验证,拟合结果显示,经过粒子群算法优化后的最小二乘智能向量机算法预测精度更高,收敛速度更快,具有良好的推广性和适应性。

引用

页码：104 / 108

页数：5

共 8 条

[1] 基于谱分析与LS-SVM的中期电力负荷预测 [J].