NRS和PSO算法优化最小二乘支持向量机的短期电力负荷预测

摘要：

针对依赖经验选取影响短期电力负荷相关因素的不准确性以及最小二乘支持向量机(LS-SVM)模型中参数难以确定的问题,建立结合邻域粗糙集(NRS)理论和粒子群优化(PSO)算法的最小二乘支持向量机短期电力负荷预测模型.为了从经验选择的属性中挖掘出与负荷密切相关的因素,避免选取过多属性而加长训练时间以及冗余属性对预测精度的影响,采用邻域粗糙集理论对属性进行约简,使其结果作为LS-SVM模型的输入变量.在建立LS-SVM模型时,通过粒子群算法对模型参数进行寻优,避免依赖经验选择的参数对模型的影响.最后用上述方法对某地区负荷进行预测分析,仿真结果表明上述方法能有效提高负荷预测精度.

关键词：短期电力负荷预测、邻域关系、属性约简、最小二乘支持向量机、粒子群算法、预测精度

所属期刊栏目：42

分类号：TN99-34;TM715

资助基金：陕西省工业科技攻关项目2015GY049

在线出版日期：2019-05-13（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：115-118,124