文献类型：期刊文章

作　　者：宋娟[1] 潘欢[1]

SONG Juan PAN Huan(School of Physics and Electronic-Electrical Engineering, Ningxia Key lab of Intelligent Sensing for Desert Information, Ningxia University, Yinchuan 750021, China)

机构地区：[1]宁夏大学物理与电子电气工程学院宁夏沙漠信息智能感知重点实验室,银川750021

出　　处：《控制工程》

基　　金：国家自然科学基金项目(青年基金)"非线性特性多智能体系统一致性研究及其应用"(F030203 No.61403219)

年　　份：2017

卷　　号：24

期　　号：10

起止页码：1995-2002

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD_E2017_2018、核心刊

摘　　要：为了有效提高天然气短期负荷预测的准确度,提出了一种集成果蝇优化算法和SVM(Support Vector Machine)的混合优化策略FOA-SVM。首先,采用K-近邻算法对燃气负荷样本中离群数据进行查找定位,并用特征曲线法对离群数据进行修正。其次,综合考虑节假日、日期类型以及天气等影响因素,建立了基于SVM的天然气日负荷预测模型,并采用果蝇优化算法优化SVM的模型参数。最后,采用宁夏平罗县居民燃气日负荷数据和多种通用的定量误差评价方法,对建立的预测模型的可行性和有效性进行了验证。仿真结果表明,基于果蝇优化算法和SVM的组合优化方法相对于人工神经网络和单纯SVM方法,具有更好的预测精度。

关 键 词：日负荷预测 天然气 果蝇优化算法  SVM K-近邻算法 特征曲线法  

分 类 号：TU996.6]