基于动态多种群粒子群支持向量机的短期负荷预测

计算机科学 ›› 2008, Vol. 35 ›› Issue (7): 133-136.

基于动态多种群粒子群支持向量机的短期负荷预测

出版日期:2018-11-16 发布日期:2018-11-16
基金资助:
国家自然科学基金资助项目（60274009）;教育部博士点基金资助项目（20020145007）.

Online:2018-11-16 Published:2018-11-16

摘要/Abstract

摘要： 针对标准粒子群优化（PSO）算法存在易陷入局部极值点的缺点，提出了一种基于物种概念的动态多种群粒子群优化算法（DMPSO）。在DMPSO中引入了物种概念，在进化过程中动态确定物种，利用种群多样性信息动态调整物种半径，通过物种对解空间的不同区域进行搜索，最终确定出各极值点。将DMPSO算法和支持向量机（SVM）相结合，形成了解决电力系统短期负荷预测问题的新方法（DMPSO-SVM）。在该方法中利用DMPSO算法来优化SVM中的参数，利用快速傅立叶变换（FFr）进行频谱分析并确定SVM的输入量。电力系统短期负

关键词: 粒子群优化动态多种群物种支持向量机负荷预测

Abstract: Aiming at the precocious convergence problem of particle swarm optimization algorithm, a dynamic multi- population particle swarm optimization （DMPSO） algorithm is presented. In DMPSO algorithm, the notion of species is used to determine its neighborhood

Key words: Particle swarm optimization, Dynamic multi-population, Species, Support vector machine, Load forecasting

. 基于动态多种群粒子群支持向量机的短期负荷预测[J]. 计算机科学, 2008, 35(7): 133-136. https://doi.org/