粒子群优化最小二乘支持向量机的短期负荷预测研究

作者：陈金菊; 涂志达; 蔡成鑫; **淋; 刘书瑞

来源：信息记录材料, 2021, 22(03): 241-242.

DOI：10.16009/j.cnki.cn13-1295/tq.2021.03.157

• 短期负荷预测
• 粒子群算法
• 最小二乘
• 支持向量机

短期负荷预测是电力系统规划和调度前提。电力负荷预测环境复杂多变,为了尽可能提高短期电力负荷预测的精度。本文针对当今人工短期负荷预测方法存在的缺陷,提出了基于粒子群优化算法最小二乘支持向量机(PSO-LSSVM)的短期负荷智能预测方法,该方法采用粒子群(PSO)算法对最小二乘支持向量机(LSSVM)的惩罚系数与核函数进行优化,改善了粒子群算法容易早熟的局限。在Matlab仿真环境下,以前7d每小时负荷样本为输入数据,预测第8d 24h的负荷,通过误差比较和分析,验证了所提方法的有效性。

• 单位
  宁德师范学院; 机电工程学院