基于鲸鱼优化参数的最小二乘支持向量机短期负荷预测方法
大量分布式能源站的出现以及电动汽车的普及,给电力系统的安全、经济运行带来影响的同时,传统的负荷预测方法也面临挑战.针对这个问题,提出了利用鲸鱼算法优化最小二乘支持向量机(Whale Optimization Algorithm-Least Squares Support Vector Machine,WOA-LSSVM)进行短期电力系统负荷预测.利用鲸鱼算法全局寻优能力强、收敛速度快的优点,弥补最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)选参的盲目性,提高LSSVM的负荷预测精度.采用WOA-LSSVM对2013年浙江某地区历史负荷数据预测未来1 d的负荷,并与粒子群优化最小二乘支持向量机模型和标准LSSVM模型预测结果对比.结果表明,基于鲸鱼优化LSSVM的短期负荷预测具有较高的预测精度,相对误差较小.
短期电力负荷预测、最小二乘支持向量机、鲸鱼优化算法
37
TM734(输配电工程、电力网及电力系统)
中央财政支持地方高校发展专项资金项目粤财教[2016]202号
2020-06-08(万方平台首次上网日期,不代表论文的发表时间)
共7页
75-81