基于自适应粒子群优化的SVM模型在负荷预测中的应用

陆宁<sup>1</sup>; 武本令<sup>2</sup>; 刘颖<sup>3</sup>

引用本文:	陆宁,武本令,刘颖.基于自适应粒子群优化的SVM模型在负荷预测中的应用[J].电力系统保护与控制,2011,39(15):43-46.
	.[J].Power System Protection and Control,2011,39(15):43-46

【打印本页】【下载PDF全文】【查看/发表评论】【EndNote】【RefMan】【BibTex】

←前一篇|后一篇→

过刊浏览高级检索

本文已被：浏览 4785次下载 277次	码上扫一扫！
分享到：微信更多字体:加大+\|默认\|缩小-
基于自适应粒子群优化的SVM模型在负荷预测中的应用
陆宁¹, 武本令², 刘颖³
1.武汉理工大学自动化学院，湖北武汉 4300702;2.许昌市高级技术学校，河南许昌 461000;3.武汉供电公司，湖北武汉 430015

摘要:

为了提高电力系统短期负荷预测精度，针对传统支持向量机(SVM)模型在负荷预测中存在的参数的选取问题，提出一种新的预测模型:用改进的自适应粒子群优化算法寻求SVM模型的最优参数。经典粒子群算法是一种全局优化算法，在此基础上提出改进的粒子群算法（FAPSO）并对其进行收敛性测试，将基于改进粒子群算法FAPSO优化的SVM模型用于短期电力负荷预测。实例仿真结果表明该预测模型精度高于传统SVM预测模型，具有一定实用价值。

关键词: 自适应粒子群优化支持向量机全局优化负荷预测

DOI：10.7667/j.issn.1674-3415.2011.15.009

分类号:

基金项目:

Abstract:

Key words:

X关闭