点击次数：

发布时间：2019-03-10

论文类型：期刊论文

发表时间：2011-03-15

发表刊物：大连理工大学学报

收录刊物：Scopus、CSCD、ISTIC、PKU、EI

卷号：51

期号：2

页面范围：263-268

ISSN号：1000-8608

关键字：负荷预测 支持向量机 SCE-UA 相似日

摘要：支持向量机(support vector machine,SVM)作为一种新颖的机器学习方法已成功应用于短期电力负荷预测,然而应用研究发现SVM算法性能参数的设置将直接影响负荷预测的精度.为此在对SVM参数性能分析的基础上,提出了SCE-UA(shuffled complex evolution University of Arizona)支持向量机短期电力负荷预测模型建模的思路及关键参数的选取,在建模过程中引入了径向基核函数,简化了非线性问题的求解过程,并应用SCE-UA算法辨识SVM的参数.贵州电网日96点负荷曲线预测的实际算例表明,所提SCE-UA支持向量机模型不仅克服了SVM参数选择的盲目性,而且能提高预测准确率,是一种行之有效的短期电力负荷预测模型.