云模型优化LSSVR的短期电力负荷预测

作者：张捍东; 张莉; 汤敏

来源：自动化仪表, 2013, (11): 1-5.

DOI：10.16086/j.cnki.issn1000-0380.2013.11.007

• 最小二乘支持向量机
• 云模型
• 人工智能技术
• 遗传算法
• 进化算法
• 负荷预测 Least square support vector machine(LSSVM)
• Cloud model
• Artificial intelligence technique
• Genetic algorithm
• Evolutionary algorithm
• Load forecasting

准确的短期电力负荷预测是电力系统安全经济运行的重要依据。针对短期负荷影响因素的非线性特性,研究了基于最小二乘支持向量回归机(LSSVR)的短期负荷预测方法。鉴于LSSVR算法参数选取的难点,提出了云进化算法优化LSSVR的短期电力负荷预测模型(CBEA_LSSVR)。CBEA_LSSVR利用云模型实现LSSVR的参数优化,优化后的模型能够预测下一时刻的电力负荷值。仿真结果表明,与其他进化算法相比,云进化算法优化LSSVR模型具有更高的预测精度和鲁棒性。

• 出版日期2013
• 单位安徽工业大学