基于社会学习多目标粒子群优化的中长期负荷组合预测方法

作者：彭海洋; 张英敏^*

来源：水电能源科学, 2023, 41(04): 216-220.

DOI：10.20040/j.cnki.1000-7709.2023.20220741

• 组合预测
• 社会学习多目标粒子群优化
• 偏最小二乘回归
• 支持向量回归
• GM(1,1)
• 熵

精准的负荷预测对提高电网规划水平和准确指导投资具有重要意义。针对经验风险最小化的组合预测模型存在过拟合的缺点，提出了一种基于社会学习多目标粒子群优化算法，并利用偏最小二乘回归模型、支持向量回归模型、灰色预测GM(1,1)模型，引入权重的不确定性函数信息熵来表征期望风险，综合考虑经验风险和期望风险的组合预测模型。仿真结果表明，相比于单一预测模型和其他两种组合预测模型，所提方法具有更高的预测精度，社会学习多目标粒子群优化算法具有更强的全局搜索能力和优化性能。

• 单位
  国网四川省电力公司; 四川大学