IMVO-SVM在短期负荷预测中的应用

作者：李志华; 黎晓凯

来源：微型电脑应用, 2022, 38(07): 172-175.

• 短期负荷预测
• 多元宇宙优化
• 支持向量机
• 差分进化

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