基于层次聚类算法与ISA-LSSVM的短期负荷预测研究

摘要：

针对不同类型用户的短期负荷预测,目前应用较为广泛的为支持向量机与深度学习模型.针对最小二乘支持向量机(least squares support vector machine,LSSVM)模型中超参数难以确定、模型对数据质量要求较高等问题,而集成常规优化算法又会有寻优速度慢、易陷入局部最优等问题,提出了一种混合模型.首先使用层次聚类(hierarchical clustering,HC)对原始特征数据进行聚类进而为同一类预测日建立对应LSSVM模型,再通过改进的模拟退火算法(improved simulate anneal,ISA)对LSSVM中的超参数进行启发式搜索.最后通过对广东省佛山市某行业用户用电负荷进行负荷预测,与各种负荷预测模型性能进行对比,结果证明所提模型可有效提高负荷预测精度、缩短预测时间.

关键词：短期负荷预测、层次聚类、LSSVM、改进模拟退火

所属期刊栏目：24

分类号：TM714;TK018(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金51577028

在线出版日期：2022-11-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：51-57