基于ICOA和SVR的短期负荷预测北大核心 |
| |
作者姓名: | 陈昱吉成贵学 |
| |
作者单位: | 1.上海电力大学计算机科学技术学院201306; |
| |
摘 要: | 针对短期负荷预测精度与运行时间难以兼顾的问题,提出一种基于改进郊狼优化算法的支持向量回归模型。阐述了支持向量回归模型的原理,分析郊狼优化算法并在郊狼成长方式和贪心选择策略上进行改进。通过利用负荷、天气、日期等数据训练SVR模型,同时采用改进郊狼优化算法选择SVR参数并建立ICOA-SVR负荷预测模型。经算例分析与比较,表明在短期负荷预测方面,ICOA-SVR模型比COA-SVR、BP神经网络和LSTM模型具有更高的预测精度和更快的预测速度。
|
关 键 词: | 短期负荷预测 改进郊狼优化算法 支持向量回归 参数优化 |
本文献已被 维普 等数据库收录! |
|