摘要
提升短期负荷预测精度对电网的规划运行有着重要意义。基于改进的多元宇宙优化(improved multivariate universe optimizer, IMVO)算法,提出一种改善支持向量机(support vector machine, SVM)的短期负荷预测方法。为了摆脱传统的MVO算法难以跳出局部最优点问题,在种群初始化中引入帐篷映射的混沌序列;在位置矢量更新中,加入非线性惯性权值的下降思想,结合差分进化(differential evolution, DE)算法搜索全局最优解。利用IMVO算法来寻优SVM的参数,以广东省某地市实测负荷数据进行算例分析,相较于GA-SVM、PSO-SVM方法,该方法能有效的提升负荷预测的准确性。
-
单位广东电网有限责任公司梅州供电局