基于自适应粒子群参数优化的最小二乘支持向量机用电量预测模型 |
| |
引用本文: | 徐龙秀,辛超山,牛东晓,安琪,袁程浩,肖瑶. 基于自适应粒子群参数优化的最小二乘支持向量机用电量预测模型[J]. 科学技术与工程, 2019, 19(6) |
| |
作者姓名: | 徐龙秀 辛超山 牛东晓 安琪 袁程浩 肖瑶 |
| |
作者单位: | 能源与电力经济技术实验室(国网新疆电力有限公司经济技术研究院) 乌鲁木齐830000;华北电力大学经济与管理学院,北京,102206;国网辽阳供电公司,辽阳,111000 |
| |
基金项目: | 国家自然科学基金项目(面上项目,重点项目,重大项目);高等学校学科创新引智计划资助项目(B18021) |
| |
摘 要: | 为应对当前复杂非线性的宏观经济形势与电力消耗情况,本文提出了一种自适应粒子群算法改进的最小二乘支持向量机负荷预测模型。根据粒子群中粒子的成熟程度对其进行分类,对不同类别的粒子分别采取不同的位置更新方式,可以保持粒子种群多样性,避免造成局部最优。利用自适应粒子群算法优化最小二乘支持向量机的模型参数,经过实证分析能够一定程度提高模型的预测精度,可以为中长期负荷预测工作提供一些的参考。
|
关 键 词: | 粒子群算法 自适应优化 最小二乘支持向量机 参数优化 用电量预测 |
收稿时间: | 2018-10-08 |
修稿时间: | 2018-12-05 |
Power consumption prediction model of least squares support vector machine based on adaptive particle swarm optimization |
| |
Affiliation: | State Grid Xinjiang Economic Research Institute,,,,, |
| |
Abstract: | In order to cope with the current complex nonlinear macroeconomic situation and power consumption, this paper proposes an improved least squares support vector machine load forecasting model based on adaptive particle swarm optimization. According to the maturity of the particles in the particle group, different position updating methods are adopted for different types of particles, which can maintain the diversity of the particle population and avoid local optimization. The adaptive particle swarm optimization algorithm is used to optimize the model parameters of the least squares support vector machine. After empirical analysis, the prediction accuracy of the model can be improved to some extent, which can provide some reference for medium and long-term load forecasting. |
| |
Keywords: | particle swarm optimization adaptive optimization least squares support vector machine parameter optimization power consumption prediction |
本文献已被 万方数据 等数据库收录! |
| 点击此处可从《科学技术与工程》浏览原始摘要信息 |
|
点击此处可从《科学技术与工程》下载全文 |
|