| 引用本文: | 段其昌,曾勇,黄大伟,等.基于扩展记忆粒子群-支持向量回归的短期电力负荷预测[J].电力系统保护与控制,2012,40(2):40-44.[点击复制] |
| ,et al.[J].Power System Protection and Control,2012,40(2):40-44[点击复制] |
|
| 摘要: |
| 为了快速准确高效地预测短期电力负荷，提出了一种带扩展记忆的粒子群优化技术（PSOEM）和支持向量回归（SVR）相结合，以历史负荷数据、气象因素等作为输入的基于PSOEM-SVR的短期电力负荷预测方法。PSOEM比传统PSO收敛速度更快精度更高具有更强的寻优能力，用它来优化组合核函数SVR参数，减少了SVR参数设置的盲目低效性，获得较优的PSOEM-SVR预测模型。该模型的实例仿真预测结果表明该方法比BP神经网络具有更好的准确性和稳定性，平均绝对误差控制在1%以内。 |
| 关键词: 扩展记忆 粒子群优化 支持向量回归 短期负荷预测 |
| DOI：10.7667/j.issn.1674-3415.2012.02.008 |
|
| 基金项目: |
|
|
|
| () |
| Abstract: |
|
| Key words: |
