基于ARMA误差修正和自适应粒子群优化的SVM短期负荷预测

被引：18

作者：

黄元生 ^{[1
]}

邓佳佳 ^{[1
]}

苑珍珍 ^{[2
]}

机构：

[1] 华北电力大学经济与管理学院

[2] 华北电力大学经济管理系

来源：

电力系统保护与控制 | 2011年 / 39卷 / 14期

基金：

中央高校基本科研业务费专项资金资助;

关键词：

最小二乘支持向量机; 自适应粒子群优化; 自回归滑动平均; 误差修正;

D O I：

暂无

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

利用最小二乘支持向量机(LS-SVM)进行短期负荷预测的精度及其泛化性能很大程度上取决于其参数选择。对于支持向量机中的核参数σ和惩罚系数C采用基于适应度函数惯性权重自适应调整的粒子群优化算法进行选择。在对LS-SVM回归模型参数优化的基础上,建立自回归滑动平均(ARMA)误差预测模型来修正负荷预测结果从而提高预测精度。选择某地区夏季96点负荷数据作为训练样本和测试样本进行分析,并且选择SVM模型进行对比。实验结果表明,同标准的SVM回归模型相比,APSO-ARMA-SVM负荷预测模型能明显改善预测精度,能够推广到电价预测等其他预测领域。

引用

页码：26 / 32

页数：7

共 12 条

[1] 基于自适应双向加权最小二乘支持向量机的超短期负荷预测 [J].