文献类型：期刊文章

作　　者：徐龙秀[1] 辛超山[1] 牛东晓[2] 安琪[1] 袁程浩[2] 肖瑶[3]

XU Long-xiu;XIN Chao-shan;NIU Dong-xiao;AN Qi;YUAN Cheng-hao;XIAO Yao(Energy and Power Economic Technology Laboratory(Sate Grid Xinjiang Economic Research Institute),Urumqi 830000,China;School of Economics and Management,North China Electric Power University,Beijing 102206,China;State Grid Liaoyang Power Supply Company,Liaoyang 111000,China)

机构地区：[1]能源与电力经济技术实验室(国网新疆电力有限公司经济技术研究院),乌鲁木齐830000 [2]华北电力大学经济与管理学院,北京102206 [3]国网辽阳供电公司,辽阳111000

出　　处：《科学技术与工程》

基　　金：国家自然科学基金(71471059);高等学校学科创新引智计划(B18021)资助

年　　份：2019

卷　　号：19

期　　号：6

起止页码：136-141

语　　种：中文

收录情况：BDHX、BDHX2017、RCCSE、ZGKJHX、核心刊

摘　　要：为应对当前复杂非线性的宏观经济形势与电力消耗情况,提出了一种自适应粒子群算法改进的最小二乘支持向量机负荷预测模型。根据粒子群中粒子的成熟程度对其进行分类,对不同类别的粒子分别采取不同的位置更新方式,可以保持粒子种群多样性,避免造成局部最优。利用自适应粒子群算法优化最小二乘支持向量机的模型参数,经过实证分析能够一定程度提高模型的预测精度,可以为中长期负荷预测工作提供一些参考。

关 键 词：粒子群算法 自适应优化 最小二乘支持向量机 参数优化 用电量预测

分 类 号：F426.61] TP18]