基于算法融合的自适应短期负荷组合预测模型研究

摘要：

组合预测把多种单一预测方法按一定方式结合,综合利用各种预测方法所提供的信息,并在综合这些信息的基础之上进行最优组合.采用支持向量机(SVM)实现分时段变权重组合预测,描述多种方法的预测结果与实际负荷的非线性关系,并采用改进粒子群(PSO)与模拟退火(SA)自学习融合的协同优化方法 SA-MPSO 对 SVM 模型参数进行优化,用两种不同特性的测试函数对该优化算法的收敛性进行测试,通过多次测试平均值验证其收敛性.实例仿真中, SA-MPSO 优化的 SVM 模型实现对三个不同预测模型的组合,预测结果表明,该方法除了避开传统组合预测模型权重复杂求取问题,且参数优化自适应能力强,有利于预测精度的提高.

关键词：算法融合、自适应、粒子群、模拟退火、支持向量机、组合预测

分类号：TM715(输配电工程、电力网及电力系统)

在线出版日期：2012-11-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：109-113