摘要
短期负荷预测是电力系统规划和调度前提。电力负荷预测环境复杂多变,为了尽可能提高短期电力负荷预测的精度。本文针对当今人工短期负荷预测方法存在的缺陷,提出了基于粒子群优化算法最小二乘支持向量机(PSO-LSSVM)的短期负荷智能预测方法,该方法采用粒子群(PSO)算法对最小二乘支持向量机(LSSVM)的惩罚系数与核函数进行优化,改善了粒子群算法容易早熟的局限。在Matlab仿真环境下,以前7d每小时负荷样本为输入数据,预测第8d 24h的负荷,通过误差比较和分析,验证了所提方法的有效性。
出处
《信息记录材料》
2021年第3期241-242,共2页
Information Recording Materials
基金
大学生创新创业训练计划项目(202010398006)
福建省自然科学基金(2019J01845)。
