| 基于相似日的支持向量机短期负荷预测 |
| |
| 引用本文： | 王雪微,程若发,杨宏超,吕彩艳.基于相似日的支持向量机短期负荷预测[J].应用声学,2018,26(1). |
| |
| 作者姓名： | 王雪微 程若发 杨宏超 吕彩艳 |
| |
| 作者单位： | 南昌航空大学,,, |
| |
| 基金项目： | 国家自然科学基金项目（面上项目，重点项目，重大项目） |
| |
| 摘 要： | 摘要：为提高电网短期负荷预测的精度，对以往学者基于相似日和最小二乘支持向量机(LS-SVM)短期负荷预测方法进行改进，形成一种改进的基于相似日和细菌趋化改进粒子群算法优化最小二乘支持向量机(least squares support vector machine based on improved particle swarm optimization for bacterial chemotaxis, PSOBC-LSSVM)的预测模型。克服了标准粒子群算法容易早熟收敛和陷入局部最优的问题，并充分考虑短期负荷的连续性与周期性对选取相似日造成的影响，将二者结合到一起综合考虑，利用改进的粒子群得到二者的最佳匹配值，并将其融合到时间距离这一因子当中。算例表明该方法预测精度较更高，可行且有效。
|
| 关 键 词： | 负荷预测 最小二乘支持向量机 细菌趋化 相似日 日期距离 |
| 收稿时间： | 2017/5/27 0:00:00 |
| 修稿时间： | 2017/6/26 0:00:00 |
Support vector machine short - term load forecasting based on similar days |
| |
| Institution: | Nanchang Hangkong University,,, |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《应用声学》浏览原始摘要信息 |
| 点击此处可从《应用声学》下载免费的PDF全文 |
|
