杂草算法优化支持向量机的短期负荷预测 |
| |
作者姓名: | 孙志能 董建达 范良忠 |
| |
作者单位: | 国网浙江省电力公司 宁波供电公司, 浙江 宁波 315016;,国网浙江省电力公司 宁波供电公司, 浙江 宁波 315016;,浙江大学 宁波理工学院,
浙江 宁波 315100 |
| |
基金项目: | 基金项目:国家自然科学基金资助项目(31302231);浙江省教育厅科研项目(Y201226043);宁波市自然科学基金资助项目(2012A610110). |
| |
摘 要: | 针对支持向量机在短期负荷预测中的参数优化问题,利用杂草算法优异的搜索能力,构建了基于杂草算法优化支持向量机的短期负荷混沌预测模型(IWO-SVM)。该模型首先将支持向量机一组参数看作一个杂草种子,然后通过模拟杂草生存、繁殖过程实现支持向量机参数寻优,最后采用具体短期负荷数据对其性能进行分析。结果表明,IWO-SVM获得了高精度的短期负荷预测结果,能够满足短期负荷预测的实际要求。
|
关 键 词: | 关键词: 短期负荷预测 杂草算法 混沌理论 支持向量机 |
Short-Term Load Forecasting Model Based on Support Vector Machine Optimized by Invasive Weed Algorithm |
| |
Authors: | SUN Zhineng DONG Jianda and FAN Liangzhong |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 等数据库收录! |
| 点击此处可从《》浏览原始摘要信息 |
|
点击此处可从《》下载全文 |
|