基于相似日的支持向量机短期负荷预测

摘要：

为提高电网短期负荷预测的精度,对以往学者基于相似日和最小二乘支持向量机(LS-SVM)短期负荷预测方法进行改进,形成一种改进的基于相似日和细菌趋化改进粒子群算法优化最小二乘支持向量机(least squares support vector machine based on improvedparticle swarm optimization for bacterial chemotaxis,PSOBC-LSSVM)的预测模型;克服了标准粒子群算法容易早熟收敛和陷入局部最优的问题,并充分考虑短期负荷的连续性与周期性对选取相似日造成的影响,将二者结合到一起综合考虑,利用改进的粒子群得到二者的最佳匹配值,并将其融合到时间距离这一因子当中;算例表明该方法预测精度较更高,可行且有效.

关键词：负荷预测、最小二乘支持向量机、细菌趋化、相似日、日期距离

所属期刊栏目：26

分类号：TM715(输配电工程、电力网及电力系统)

资助基金：国家基金项目51567019;江西省教育厅项目GJJ150757

在线出版日期：2018-02-05（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：47-50,83