文献类型：期刊文章

作　　者：石晓艳[1] 刘淮霞[1] 于水娟[1]

机构地区：[1]安徽理工大学电气与信息工程学院自动化系,安徽淮南232001

出　　处：《计算机工程与应用》

年　　份：2013

卷　　号：49

期　　号：11

起止页码：220-223

语　　种：中文

收录情况：AJ、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、IC、INSPEC、JST、RCCSE、ZGKJHX、普通刊

摘　　要：为了准确、有效地预测短期负荷,提出了一种鲶鱼粒子群算法优化支持向量机的短期负荷预测模型(BFPSO-SVM)。基于混沌理论对短期负荷时间序列进行相空间重构;将支持向量机参数的组合看作一个粒子位置串,通过粒子间互作找到最优支持向量机参数,并引入"鲶鱼效应",克服基本粒子群算法的缺点;根据最优参数建立短期负荷预测模型,并对模型性能进行仿真测试。仿真结果表明,相对于其他预测模型,BFPSO-SVM不仅加快了支持向量机参数寻优速度,而且提高了短期负荷预测精度,更适用于短期负荷预测的需要。

关 键 词：短期电力负荷 支持向量机 混沌理论  粒子群算法 鲶鱼效应

分 类 号：TP393]