鲶鱼粒子群算法优化支持向量机的短期负荷预测

摘要：

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.

关键词：短期电力负荷、支持向量机、混沌理论、粒子群算法、鲶鱼效应

所属期刊栏目：49

分类号：TP393(计算技术、计算机技术)

在线出版日期：2013-07-15（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：220-223,227