文献类型：期刊文章

作　　者：陆宁[1] 武本令[2] 刘颖[3]

机构地区：[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

出　　处：《电力系统保护与控制》

年　　份：2011

卷　　号：39

期　　号：15

起止页码：43-46

语　　种：中文

收录情况：BDHX、BDHX2008、CSA、CSA-PROQEUST、CSCD、CSCD_E2011_2012、EI(收录号：20113414253854)、IC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

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

分 类 号：TM715]