基于粒子群优化的多目标优化算法在短期电力负荷预测中的应用

摘要：

本文根据历史数据集的基本知识建立一个基于模糊规则的电力负荷模式分类系统,在考虑规则的分类准确性和可解释性的情况下,利用多目标粒子群优化算法挑选出Pareto最优模式分类规则集,这些规则将用于电力负荷模式分类.在仿真试验中,将经该分类系统分类挑选的数据用于负荷预测,结果表明此分类系统具有较好的分类性能,可为电力负荷预测提供更为充分有效的历史数据,从而改善其负荷预测性能.

关键词： 关联规则挖掘 模糊分类 多目标优化 粒子群优化 电力负荷预测

作者: 冯丽 孔庆云 郭琳

作者单位: 重庆电力调度中心,重庆,400014

会议类型: 国内会议

会议名称: 重庆市电机工程学会2006年学术年会

会议地点: 重庆

会议语种:中文

页码: 886-889

在线出版日期: 2006-10-01（万方平台首次上网日期，不代表论文的发表时间）