登录    注册    忘记密码

期刊文章详细信息

云模型优化LSSVR的短期电力负荷预测    

Short Term Power Load Forecasting Based on the LSSVR Optimized by Cloud Model

  

文献类型:期刊文章

作  者:张捍东[1] 张莉[1] 汤敏[2]

机构地区:[1]安徽工业大学电气信息学院,安徽马鞍山243000 [2]罗克韦尔自动化(中国)有限公司,上海200233

出  处:《自动化仪表》

基  金:国家863计划基金资助项目(编号:2007AA05Z242;2007AA05Z421)

年  份:2013

卷  号:34

期  号:11

起止页码:1-5

语  种:中文

收录情况:BDHX、BDHX2011、CAS、CSA、CSA-PROQEUST、INSPEC、RCCSE、ZGKJHX、核心刊

摘  要:准确的短期电力负荷预测是电力系统安全经济运行的重要依据。针对短期负荷影响因素的非线性特性,研究了基于最小二乘支持向量回归机(LSSVR)的短期负荷预测方法。鉴于LSSVR算法参数选取的难点,提出了云进化算法优化LSSVR的短期电力负荷预测模型(CBEA_LSSVR)。CBEA_LSSVR利用云模型实现LSSVR的参数优化,优化后的模型能够预测下一时刻的电力负荷值。仿真结果表明,与其他进化算法相比,云进化算法优化LSSVR模型具有更高的预测精度和鲁棒性。

关 键 词:最小二乘支持向量机 云模型 人工智能技术  遗传算法  进化算法 负荷预测

分 类 号:TP181]

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...

版权所有©重庆科技学院 重庆维普资讯有限公司 渝B2-20050021-7
 渝公网安备 50019002500408号 违法和不良信息举报中心