计算机科学 ›› 2013, Vol. 40 ›› Issue (Z6): 41-43.
段其昌,周华鑫,曾勇,张广峰
DUAN Qi-chang,ZHOU Hua-xin,ZENG Yong and ZHANG Guang-feng
摘要: 针对中长期电力负荷预测,考虑了影响中长期电力负荷的各种因素,提出了一种带扩展记忆的粒子群优化算法(PSOEM)与最小二乘支持向量机(LSSVM)相结合的中长期负荷预测方法。PSOEM比传统PS0收敛速度更快,精度更高,具有更强的寻优能力,因此利用PSOEM算法对LSSVM参数进行优化选择,获得了较优的PSOEM-LSSVM预测模型。通过实例仿真表明,该方法与其他几种方法相比具有更高的预测精度和速度。
[1] 牛东晓,曹树华,等.电力负荷预测技术及其应用[M].北京:中国电力出版社,1998 [2] 卜虎正,姚建刚,李文杰,等.中长期电力负荷预测的改进免疫粒子群算法[J].电力系统及其自动化学报,2011,3(3):139-144 [3] 王成山,杨军,张崇见.灰色系统理论在城市年用电量预测中的应用:不同预测方法的分析比较[J].电网技术,1999,3(2):15-18 [4] 王翠茹,孙辰军,杨静,等.改进残差灰色预测模型在负荷预测中的应用[J].电力系统及其自动化学报,2006,8(1):86-89 [5] 胡越黎,计惠杰.短期电力负荷预测的模糊神经网络方法[J].应用科学学报,2009,27(1):79-83 [6] 高海龙,张国立.改进遗传神经网络及其在负荷预测中的应用[J].华北电力大学学报,2009,6(5):37-40 [7] 赵登福,王蒙,张讲社,等.基于支撑向量机方法的短期负荷预测[J].中国电机工程学报,2002,2(4):26-30 [8] 李元诚,方廷健,于尔铿.短期负荷预测的支持向量机方法研究[J].中国电机工程学报,2003,3(6):55-59 [9] 章健.电力系统复合模型与辨识[M].北京:中国电力出版社,2007 [10] Zhang Ming-guang.Short-term load forecasting based on sup-port vector machines regression[C]∥Proceedings of 2005International Conference on Machine Learning and Cybernetics.Lanzhou,China,2005,7:4310-4314 [11] Chen Bo-juen,Chang Ming-wei,Lin Chih-Jen.Load forecasting using support vector machines:a study on EUNITE competition 2001[J].IEEE Transactions on Power Systems,2004,9(4):1821-1830 [12] 孙翠娟.基于K型核函数的支持向量机[J].淮海工学院学报:自然科学版,2006,5(4):4-7 [13] Vapnik N.The Nature of Statistical Learning Theory[M].Newyork:Springer-Verlag,1995 [14] Suykens J A K,Vanddewalle J.Least squares support vectormachines classifiers[J].Neural Network Letters,1999,9(3):293-300 [15] Kennedy J,Eberhart R.Particle swarm optimization [C]∥IEEE International Conference on Neural Networks.Perth,Australia,1995,4:1942-1948 |
No related articles found! |
|