基于扩展记忆粒子群-支持向量回归的短期电力负荷预测

段其昌<sup>1</sup>; 曾勇<sup>1</sup>; 黄大伟<sup>1</sup>; 段盼<sup>2</sup>; 刘顿<sup>3</sup>

引用本文:	段其昌,曾勇,黄大伟,等.基于扩展记忆粒子群-支持向量回归的短期电力负荷预测[J].电力系统保护与控制,2012,40(2):40-44.
	,et al.[J].Power System Protection and Control,2012,40(2):40-44

【打印本页】【下载PDF全文】【查看/发表评论】【EndNote】【RefMan】【BibTex】

←前一篇|后一篇→

过刊浏览高级检索

本文已被：浏览 3905次下载 155次	码上扫一扫！
分享到：微信更多字体:加大+\|默认\|缩小-
基于扩展记忆粒子群-支持向量回归的短期电力负荷预测
段其昌¹, 曾勇, 黄大伟, 段盼², 刘顿³
1．重庆大学自动化学院，重庆 400044;2. 重庆大学电气工程学院，重庆 400044;3. 内江市电业局，四川内江 641000

摘要:

为了快速准确高效地预测短期电力负荷，提出了一种带扩展记忆的粒子群优化技术（PSOEM）和支持向量回归（SVR）相结合，以历史负荷数据、气象因素等作为输入的基于PSOEM-SVR的短期电力负荷预测方法。PSOEM比传统PSO收敛速度更快精度更高具有更强的寻优能力，用它来优化组合核函数SVR参数，减少了SVR参数设置的盲目低效性，获得较优的PSOEM-SVR预测模型。该模型的实例仿真预测结果表明该方法比BP神经网络具有更好的准确性和稳定性，平均绝对误差控制在1%以内。

关键词: 扩展记忆粒子群优化支持向量回归短期负荷预测

DOI：10.7667/j.issn.1674-3415.2012.02.008

分类号:

基金项目:

,et al

Abstract:

Key words: