机器学习算法在短期电力负荷预测中的应用

摘要：

为了提高短期电力负荷预测准确性,提出一种蚁群算法(ACO)优化支持向量机(SVM)的短期电力负荷预测模型(ACO-SVM).首先采用混沌理论对短期电力负荷样本进行重构,然后将SVM参数作为蚂蚁的位置向量,通过蚁群信息交流和相互协作找到SVM最优参数,最后建立短期电力负荷的最优预测模型,并采用实际短期电力负荷数据进行有效性验证.结果表明,ACO-SVM能够准确刻画短期电力负荷变化特性,提高了短期电力负荷的预测准确性.

关键词：短期电力负荷、蚁群优化算法、支持向量机、混沌理论

所属期刊栏目：13

分类号：TM714(输配电工程、电力网及电力系统)

在线出版日期：2013-05-13（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：2231-2234,2245