文献类型：期刊文章

作　　者：吴景龙[1,2] 杨淑霞[1] 刘承水[3]

机构地区：[1]华北电力大学工商管理学院,北京102206 [2]北方联合电力有限责任公司,内蒙古呼和浩特010020 [3]北京城市学院城市信息应用研究所,北京100083

出　　处：《中南大学学报（自然科学版）》

基　　金：国家自然科学基金资助项目(70671040)

年　　份：2009

卷　　号：40

期　　号：1

起止页码：180-184

语　　种：中文

收录情况：BDHX、BDHX2008、CAS、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：20091412017677)、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：通过研究参数选择和支持向量机预测能力的影响,建立利用遗传算法优化参数的支持向量机负荷预测系统。通过遗传算法对支持向量机(SVM)预测模型的各项参数进行寻优预处理,找到最优的参数取值,然后,代入支持向量机SVM预测模型中,得基于遗传算法的支持向量机(GA-SVM)模型,利用此模型对短期电力负荷进行预测研究。通过实例验证,选择河北某地区2005-03-02至2007-05-22每天各个时点的数据进行分析,并且选择SVM模型与BP(Back propagation)神经网络进行对比。研究结果表明:用GA-SVM算法得到的均方根相对误差仅为2.25%,比用SVM模型和BP神经网络所得的均方根相对误差比分别低0.58%和1.93%。所提出的测试方法克服了传统参数选择方法存在的缺点(如研究者往往凭经验和有限的实验给定一组参数,而不讨论参数制定的合理性),提高了支持向量机的预测精度。

关 键 词：遗传算法 支持向量机 参数优化 负荷预测

分 类 号：TP18]