基于人群搜索算法优化参数的支持向量机短期电力负荷预测

摘要：

支持向量机是一种新型机器学习算法,它基于结构风险最小化准则取得较小的实际风险,有效提高了泛化能力,具有理论严密、适应性强、全局优化等特点,在模式识别和回归问题等方面应用广泛.以某地区历史负荷数据为输入,通过人群搜索算法对支持向量的各项参数进行寻优计算,得到最优的参数取值,然后把最优参数代入到SVM预测模型中,得到人群搜索算法的支持向量机(SOA-SVM)模型,利用此模型对某地区未来24小时的负荷进行短期预测.通过算例验证,利用SOA-SVM预测的精度要比BP神经网络和PSO-SVM的精度要高,所以说明用此方法进行短期负荷预测是有效和可行的.

关键词：人群搜索算法、支持向量机、短期负荷预测、参数优化

所属期刊栏目：53

分类号：TP391;TM93(计算技术、计算机技术)

资助基金：甘肃省自然科学基金项目1310RJZA038

在线出版日期：2016-07-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：45-49,74