首页|改进粒子群算法优化支持向量机的短期负荷预测

改进粒子群算法优化支持向量机的短期负荷预测

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对支持向量回归机在预测建模中的参数选取问题,提出一种基于混沌自适应策略的粒子群优化支持向量回归机参数的方法.采用混沌映射算法和聚合度自适应判断策略,增强种群的全局寻优性能,提升粒子的多样性,从而避免种群过早收敛.充分考虑天气、节假日、居民消费等因素的影响,提出一种改进的支持向量回归机预测模型并与粒子群算法的支持向量回归机模型进行对比分析.分析结果表明,该预测模型可将预测的均方根误差降低约40％,绝对值误差降低约42％,相对误差降低约46％,仿真结果验证了所提方法优化了支持向量回归机参数,改善了预测效果.
Power Short-Term Load Prediction Based on Support Vector Machine Optimized by Improved Particle Swarm Optimization Algorithm

李杰、靳孟宇、马士豪

展开 >

河北工业大学经济管理学院,天津 300401

粒子群优化 支持向量回归 自适应变异 混沌映射 短期电力负荷

国家社会科学基金河北省自然科学基金

16FGL014G2019202350

2021

10.19708/j.ckjs.2021.04.014

测控技术
中国航空工业集团公司北京长城航空测控技术研究所

测控技术

CSTPCD
影响因子：0.5
ISSN：1000-8829
年,卷(期)：2021.40(4)
  • 6
  • 11