基于自适应粒子群支持向量机的短期电力负荷预测.pdfVIP

维普资讯 第28卷第9期 东 北 大 学 学 报 ( 自 然 科 学 版 ) Vo1．28，No，9 2007年 9月 JournalofNortheasternUniverSity(NaturalScience) Scp， 2007 基于 自适应粒子群支持向量机 的短期 电力负荷预测 刘 佳，李 丹，高立群，鲁 顺 (东北大学 信息科学与工程学院，辽宁 沈阳 l10004) 摘 要：针对粒子群优化算法存在易陷入局部最优点的缺点 ，提出了一种新的基于平均粒距的自适应粒 子群优化算法(AsP0)．该算法利用种群多样性信息对惯性权重进行非线性调整 ，并在算法的后期引入速度变 异算子和交换算子，使算法摆脱后期易于陷入局部最优点的束缚，同时又保持前期有哪些信誉好的足球投注网站速度快的特性．将该算 法应用到基于支持向量机的短期电力负荷预测模型中，对支持向量机的参数进行优化．对某电网的短期负荷 预测实际算例仿真分析表明，所提出的基于APSO-SVM方法的预测精度明显优于传统的SVM方法，且速度 较快，因此，该算法用于短期电力负荷预测是有效可行的． 关 键 词 ：粒子群优化 ；自适应变异；支持向量机；负荷预测 中图分类号：TM 711 文献标识码：A 文章编号：1005—3026(2007)09—1229—04 A Short—Term Load Forecasting Approach Based on Support Vector Machinewith Adaptive Particle Swarm Optimization Algorithm LIUJia，LIDan，GAOLi—qun，L己，Shun (Schoolof Information Science Engineering，Northeastern University， Shenyang 110004， China Correspondent-LIDan，E—mail：neulidan@ 163．com) Abstract： Aiming at the precocious convergence problem of particle SWalTYIoptimization algorithm，anadaptiveparticleswarlTioptimiaztionalgorithm (APSO)ispresented，inwhichthe inertiaweightisnonlinearlyadjustedbytheinformationonpopulationdiversityandthenthe velocitymutationfactorandposition interchangefactorareboth introducedintogetridofthe constrictduetoprecociousconvergencewithfasthuntingspeedkeptasprevious，Thealgorithm hasbeenappliedtotheoptimizationofparametersinSVM ，A short—temr loadforecastingmodel basedonSVM withadaptiveparticleswarlTloptimiaztionalgorithm (APSO—sVM)isthus presented．ThesimulationresultsshowedthatAPSO-SVM canoffermoreaccurateforecasting resultthanconventionalSVM method ．Therefore．theapproach iSefficientandpracticaltoa short—term loadforecastingofelectricpowe