| 基于相似日和蚁群优化LS-SVM的短期电力负荷预测 |
| |
| 引用本文： | 李如琦,杨立成,苏媛媛,唐卓贞.基于相似日和蚁群优化LS-SVM的短期电力负荷预测[J].现代电力,2008,25(2):33-37. |
| |
| 作者姓名： | 李如琦 杨立成 苏媛媛 唐卓贞 |
| |
| 作者单位： | 广西大学电气工程学院,广西南宁,530004 |
| |
| 摘 要： | 由统计学习理论发展的通用学习方法--支持向量机,在解决小样本、非线性及高维数等问题中表现出许多特有的优势.提出了采用最小二乘支持向量机建立负荷预测模型,它是对标准的支持向量机的一种扩展,降低了问题的复杂性,使得计算速度相对加快.在选取最小二乘支持向量机的训练样本时,采用加权的灰色关联度方法来选择相似日,对不同样本根据其重要性赋予不同的权重,同传统的关联度相比更具客观性.另外,对于最小二乘支持向量机的参数选择问题,针对目前尚无统一有效方法的现状,尝试采用了一种基于蚁群种群的新型优化算法--蚁群算法来优化选择,在很大程度上减少了人为选择参数的主观影响.最后通过实例验证了该模型的有效性,取得了比较满意的预测效果.
|
| 关 键 词： | 负荷预测 加权灰色关联度 最小二乘支持向量机 蚁群算法 优化 相似日 蚁群优化 电力 负荷预测 Ant Colony Algorithm Similar Based Power Load Forecasting 预测效果 比较 有效性 模型 实例验证 影响 程度 优化选择 蚁群算法 优化算法 试采 现状 |
| 文章编号： | 1007-2322(2008)02-0033-05 |
| 修稿时间： | 2007年9月27日 |
Short-term Electric Power Load Forecasting Based on Similar Days and LS-SVM Optimized by Ant Colony Algorithm |
| |
| Li Ruqi,Yang Licheng,Su Yuanyuan,Tang Zhuozhen.Short-term Electric Power Load Forecasting Based on Similar Days and LS-SVM Optimized by Ant Colony Algorithm[J].Modern Electric Power,2008,25(2):33-37. |
| |
| Authors: | Li Ruqi Yang Licheng Su Yuanyuan Tang Zhuozhen |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
