| 基于ARMA误差修正和自适应粒子群优化的SVM短期负荷预测 |
| |
| 引用本文： | 黄元生,邓佳佳,苑珍珍.基于ARMA误差修正和自适应粒子群优化的SVM短期负荷预测[J].电力系统保护与控制,2011,39(14). |
| |
| 作者姓名： | 黄元生 邓佳佳 苑珍珍 |
| |
| 作者单位： | 1. 华北电力大学经济与管理学院,北京,102206
2. 华北电力大学经济管理系,河北,保定,071003 |
| |
| 基金项目： | 中央高校基本科研业务费专项资金资助 |
| |
| 摘 要： | 利用最小二乘支持向量机( LS-SVM)进行短期负荷预测的精度及其泛化性能很大程度上取决于其参数选择.对于支持向量机中的核参数和惩罚系数C采用基于适应度函数惯性权重自适应调整的粒子群优化算法进行选择.在对LS-SVM回归模型参数优化的基础上,建立自回归滑动平均(ARMA)误差预测模型来修正负荷预测结果从而提高预测精度.选择某地区夏季96点负荷数据作为训练样本和测试样本进行分析,并且选择SVM模型进行对比,实验结果表明,同标准的SVM回归模型相比,APSO-ARMA-SVM负荷预测模型能明显改善预测精度,能够推广到电价预测等其他预测领域.
|
| 关 键 词： | 最小二乘支持向量机 自适应粒子群优化 自回归滑动平均 误差修正 |
SVM short-term load forecasting based on ARMA error calibration and the adaptive particle swarm optimization |
| |
| HUANGYuan-sheng,DENGJia-jia,YUAN Zhen-zhen.SVM short-term load forecasting based on ARMA error calibration and the adaptive particle swarm optimization[J].Power System Protection and Control,2011,39(14). |
| |
| Authors: | HUANGYuan-sheng DENGJia-jia YUAN Zhen-zhen |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
