改进鲸鱼算法优化LSSVM的短期电力负荷预测研究

摘要：

随着电力负荷的迅猛增长和用电环境的越发复杂,对短期负荷预测的精度与可靠性提出更高要求.为解决最小二乘支持向量机(LSSVM)算法中核参数和惩戒参数依赖经验选取导致的短期负荷预测精度较低、收敛速度较慢的问题,提出一种基于改进鲸鱼算法优化最小二乘支持向量机(IWOA-LSSVM)的负荷预测方法.首先通过引入非线性因子和自适应权重实现鲸鱼算法的改进,进而利用其改进算法对LSSVM参数进行寻优,最后建立短期负荷预测模型.结合某地区的实测数据进行预测分析,结果表明,相较于LSSVM、PSO-LSSVM,改进模型预测精度和收敛速度均有大幅提高,在电力企业中具有良好的实际应用价值.

关键词：短期负荷预测、改进鲸鱼优化算法、最小二乘支持向量机、电力系统、算法改进、参数寻优、预测模型

所属期刊栏目：44

分类号：TN99-34;TP391;TM715

资助基金：国家自然科学基金;陕西省自然科学基金;陕西省教育厅产业化项目

在线出版日期：2021-07-19（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：159-163