首页 | 本学科首页   官方微博 | 高级检索  
     

基于改进PSO-LSSVM的电采暖短期负荷预测研究
引用本文:曹杰,王维庆,王海云,常喜强. 基于改进PSO-LSSVM的电采暖短期负荷预测研究[J]. 计算机仿真, 2022, 39(2): 34-39. DOI: 10.3969/j.issn.1006-9348.2022.02.007
作者姓名:曹杰  王维庆  王海云  常喜强
作者单位:新疆大学电气工程学院,新疆 乌鲁木齐830047,国网新疆电力有限公司,新疆 乌鲁木齐830011
基金项目:教育部长江学者和创新团队发展计划项目;自治区实验室开放课题;自治区教育厅重点项目;国家自然科学基金
摘    要:为了提高电采暖短期功率负荷预测的精度、准确性和速度,提出一种改进PSO-LSSVM算法对电采暖的短期负荷功率预测。利用PSO算法对LSSVM进行参数的优化,将得到的最优参数值作为LSSVM参数从而建立改进PSO-LSSVM算法模型。考虑电采暖地区的天气、温度的因素,将新疆某地电采暖负荷历史数据以天气变化、温度差为参考指标经过分解、组合,得到归类组合数据样本,利用改进PSO-LSSVM算法与传统BP、LSSVM预测结果的精度、准确性和速度进行对比。仿真结果表明,改进PSO-LSSVM预测方法的精度和准确性最高、速度相对较快,验证了所提方法的有效性和准确性。改进方法对含高比例电采暖设备的地区电采暖实际短期负荷预测和“煤改电”“气改电”的电采暖工程应用中有借鉴意义。

关 键 词:电采暖  短期负荷预测  粒子群算法  最小二乘支持向量机

Research on Short-term Load Forecasting of Electric Heating Based on Improved LSSVM
CAO Jie,WANG Wei-qing,WANG Hai-yun,CHANG Xi-qiang. Research on Short-term Load Forecasting of Electric Heating Based on Improved LSSVM[J]. Computer Simulation, 2022, 39(2): 34-39. DOI: 10.3969/j.issn.1006-9348.2022.02.007
Authors:CAO Jie  WANG Wei-qing  WANG Hai-yun  CHANG Xi-qiang
Abstract:
Keywords:
本文献已被 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号