基于扩展记忆粒子群-支持向量回归的短期电力负荷预测

摘要：

为了快速准确高效地预测短期电力负荷,提出了一种带扩展记忆的粒子群优化技术( PSOEM)和支持向量回归(SVR)相结合,以历史负荷数据、气象因素等作为输入的基于PSOEM-SVR的短期电力负荷预测方法.PSOEM比传统PSO收敛速度更快精度更高具有更强的寻优能力,用它来优化组合核函数SVR参数,减少了SVR参数设置的盲目低效性,获得较优的PSOEM-SVR预测模型.该模型的实例仿真预测结果表明该方法比BP神经网络具有更好的准确性和稳定性,平均绝对误差控制在1％以内.

关键词：扩展记忆、粒子群优化、支持向量回归、短期负荷预测

所属期刊栏目：40

分类号：TM715(输配电工程、电力网及电力系统)

在线出版日期：2012-04-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：40-44