基于GA和SVM的电力负荷预测方法研究
提出一种基于支持向量机(SVM)技术和遗传算法优化技术(GA)的电力系统短期负荷预测算法.以历史数据、气象因素和日历因素等作为输入,建立预测模型,对未来1个小时的电力负荷值进行预测.该模型采用结构风险最小化原则替代传统的经验风险最小化,以充分提炼出原始数据和其它数据的一些信息,并采用遗传算法对支持向量机中的参数进行优化来提高预测模型的预测能力和训练速度,并具有良好的泛化能力.实验表明,使用上述方法进行短期电力负荷预测,具有良好的有效性和可行性,与BP网络法预测的结果相比具有更好的精度和较强的鲁棒性.
电力系统负荷预测、短期电力负荷预测、支持向量机、遗传算法优化
41
TP391(计算技术、计算机技术)
2014-08-26(万方平台首次上网日期,不代表论文的发表时间)
共4页
91-93,117