%0 Journal Article
%T 基于粒子群优化支持向量机的短期负荷预测 Research on short term load forecasting based on particle swarm optimization-support vector machine
%A 杨小明
%A 崔雪
%A 周斌
%A 彭政
%J 武汉大学学报(工学版)
%D 2018
%X 随着我国电力行业体制改革的不断深入,对负荷预测精度的要求也不断提高.为提高短期负荷预测的精度,针对单一核函数最小二乘支持向量机(LS-SVM)模型在实际使用中的问题,将高斯(RBF)核函数与多项式(Poly)核函数进行组合,得到了新的混合核函数,从而提高了SVM模型的学习能力与泛化能力;采用基于双种群的粒子群算法(DP-PSO)寻求混合核函数LS-SVM模型的最优参数;结合实际电网进行日平均负荷预测,算例结果表明,采用该负荷预测模型的平均误差仅为1.22%,预测精度较高
%K 支持向量机
%K 负荷预测
%K 粒子群优化算法
%K 最小二乘
%U http://wsdd.cbpt.cnki.net/WKC/WebPublication/paperDigest.aspx?paperID=302e63ff-09eb-42f8-a558-9bd605a314b4