基于支持向量机的电力负荷预测研究
研究分析电力系统负荷预测的问题,为了解决负荷过程里存在的参数选择的问题,同时为了减小预测误差,保证安全地供电,改变传统支持向量机预测方法,提出粒子群优化支持向量机(PSO-SVM) 的负荷预测方法.PSO-SVM利用粒子群算法去优化支持向量机的参数,降低了对支持向量机的参数选择的盲目性,得到了比较优良的支持向量机负荷预测模型.同时在此基础上提出改进型PSO-SVM,使预测精度更高.并以山西省月度负荷为例进行测试和分析,并利用MATLAB进行仿真.实验结果表明了在负荷预测里,改进型的PSO-SVM比PSO-SVM和SVM有着更小的预测误差,测试表明改进型的PSO-SVM方法用在电力负荷的预测是有效而且可行的.
电力系统 负荷预测 支持向量机 参数优化
尹立 胡兆光 韩新阳 薛万磊
北京交通大学电气学院 国网能源研究院 国网山东省电力公司经济技术研究院
国内会议
北京
中文
1-4
2014-08-21（万方平台首次上网日期，不代表论文的发表时间）