期刊文章详细信息
机器学习算法在短期电力负荷预测中的应用
Application of Machine Learning in Short-term Load Prediction
文献类型：期刊文章
机构地区：[1]中山火炬职业技术学院信息工程系,中山528436
年 份：2013
卷 号：21
期 号：8
起止页码：2231-2234
语 种：中文
收录情况：BDHX、BDHX2011、RCCSE、ZGKJHX、核心刊
摘 要：为了提高短期电力负荷预测准确性,提出一种蚁群算法(ACO)优化支持向量机(SVM)的短期电力负荷预测模型(ACO-SVM)。首先采用混沌理论对短期电力负荷样本进行重构,然后将SVM参数作为蚂蚁的位置向量,通过蚁群信息交流和相互协作找到SVM最优参数,最后建立短期电力负荷的最优预测模型,并采用实际短期电力负荷数据进行有效性验证。结果表明,ACO-SVM能够准确刻画短期电力负荷变化特性,提高了短期电力负荷的预测准确性。
关 键 词：短期电力负荷 蚁群优化算法 支持向量机 混沌理论
分 类 号：TM714]
参考文献：
正在载入数据...
二级参考文献：
正在载入数据...
耦合文献：
正在载入数据...
引证文献：
正在载入数据...
二级引证文献：
正在载入数据...
同被引文献：
正在载入数据...
