Support vector machine short - term load forecasting based on similar days
Author:
Affiliation:
Nanchang Hangkong University,,,
Fund Project:
摘要
|
圖/表
|
訪(fǎng)問(wèn)統計
|
參考文獻
|
相似文獻
|
引證文獻
|
資源附件
|
文章評論
摘要:
摘要:為提高電網(wǎng)短期負荷預測的精度,對以往學(xué)者基于相似日和最小二乘支持向量機(LS-SVM)短期負荷預測方法進(jìn)行改進(jìn),形成一種改進(jìn)的基于相似日和細菌趨化改進(jìn)粒子群算法優(yōu)化最小二乘支持向量機(least squares support vector machine based on improved particle swarm optimization for bacterial chemotaxis, PSOBC-LSSVM)的預測模型。克服了標準粒子群算法容易早熟收斂和陷入局部最優(yōu)的問(wèn)題,并充分考慮短期負荷的連續性與周期性對選取相似日造成的影響,將二者結合到一起綜合考慮,利用改進(jìn)的粒子群得到二者的最佳匹配值,并將其融合到時(shí)間距離這一因子當中。算例表明該方法預測精度較更高,可行且有效。