10.3778/j.issn.1002-8331.1301-0005
鲶鱼粒子群算法优化支持向量机的短期负荷预测
为了准确、有效地预测短期负荷,提出了一种鲶鱼粒子群算法优化支持向量机的短期负荷预测模型(BFPSO-SVM).基于混沌理论对短期负荷时间序列进行相空间重构;将支持向量机参数的组合看作一个粒子位置串,通过粒子间互作找到最优支持向量机参数,并引入“鲶鱼效应”,克服基本粒子群算法的缺点;根据最优参数建立短期负荷预测模型,并对模型性能进行仿真测试.仿真结果表明,相对于其他预测模型,BFPSO-SVM不仅加快了支持向量机参数寻优速度,而且提高了短期负荷预测精度,更适用于短期负荷预测的需要.
短期电力负荷、支持向量机、混沌理论、粒子群算法、鲶鱼效应
49
TP393(计算技术、计算机技术)
2013-07-15(万方平台首次上网日期,不代表论文的发表时间)
共5页
220-223,227