基于改进最小二乘支持向量机的短期负荷预测

摘要：

为了提高短期负荷预测的精度, 提出基于量子差分进化算法 ( Quantum Differential Evolution , QDE) 优化的最小二乘支持向量机 (Least Squares-Support Vector Machine, LSSVM) 模型. 该算法克服了最小二乘支持向量机算法中依据经验选定参数的盲目性. 实例验证结果表明, QDE-LSSVM的预测精度要远高于BP神经网络与单纯的最小二乘支持向量机, 证明了利用量子差分进化选取最小二乘支持向量机的有效性. 该算法更适用于当前中国短期负荷预测的需要.

关键词：短期负荷预测、参数优化、量子差分进化、最小二乘支持向量机

所属期刊栏目：31

分类号：TM715(输配电工程、电力网及电力系统)

在线出版日期：2016-02-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：16-21,33