文献类型：期刊文章

作　　者：魏俊[1] 周步祥[1] 林楠[2] 邢义[1]

机构地区：[1]四川大学电气信息学院,四川成都610065 [2]四川电力职业技术学院,四川成都610072

出　　处：《电力系统保护与控制》

年　　份：2009

卷　　号：37

期　　号：4

起止页码：36-40

语　　种：中文

收录情况：BDHX、BDHX2008、CSA、CSA-PROQEUST、CSCD、CSCD_E2011_2012、EI(收录号：20092712172472)、IC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：支持向量机(SVM)是一种在统计学习理论基础之上发展起来的针对小样本数据且具有优良推广性能的机器学习方法。阐述了SVM的基本原理及特性,并采用一种新的适用于连续问题的蚁群优化算法(MG-CACO)对SVM核函数的参数进行了优化。同时介绍了基于MG-CACO算法的支持向量机技术的设计思想和特点。并对一实际电网的短期负荷预测进行了实例研究,其结果验证了基于MG-CACO算法的支持向量机预测方法提高了预测精度,此方法在短期负荷预测中的可行性和有效性。

关 键 词：支持向量机 连续蚁群算法  参数优化 短期负荷预测

分 类 号：TM715]