基于果蝇参数优化的LSSVM短期负荷预测.pdf

《基于果蝇参数优化的LSSVM短期负荷预测.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、《电气自动化}2015年第37卷第6期电力系统及其自动化PowerSystem＆Automation基于果蝇参数优化的LSSVM短期负荷预测王惠中，周佳。’，王岳锋，刘轲(1．兰州理工大学电气工程与信息工程学院，甘肃兰州730050；2．甘肃省工业过程先进控制重点实验室，甘肃兰州730050；3．国家电网诸暨市供电公司，浙江诸暨311800)摘要：为了提高电力系统短期负荷预测的精度，针对负荷影响因素的非线性特性，采用最小二乘支持向量机(LSSVM)建立短期负荷预测模型；针对传统LSSVM在负荷预测中存在的参数优选难题，给出了果蝇参数优化算法来优选LSSVM的惩罚参数C

2、和核函数参数盯。通过对浙江省某地区2014—6～1至2014—6—29每天24点的负荷数据进行分析，对2014—6—30日各整点负荷进行预测，仿真结果表明，与传统的LSSVM和参数优化算法相比，基于果蝇优化算法的LSSVM短期负荷预测具有更高的精度。关键词：负荷预测；最小二乘支持向量机；参数优化；果蝇优化算法；粒子群优化DOI：10．3969／j．issn．1000—3886．2015．06．019[中图分类号]TM715[文献标志码]A[文章编号]1000—3886(2015)06—0060一O3LSSVMinShort—termLoadForecastingBas

3、edonFruitFlyOptimizationAlgorithmWANGHui．zhong，ZHOUJia，WANGYue．feng’，LIUKe，(1．CollegeofElectricalandInformationEngineering，LanzhouUniversityofTechnology，LanzhouGansu730050，China；2．GansuKeyLaboratoryforAdvancedControlofIndustrialProcesses，LanzhouGansu730050，China；3．StateGridZhujiPowerSup

4、plyCo．，Zhejiang311800，China)Abstract：Inordertoimprovetheaccuracyofshort—termloadforecastingintheelectricpowersystem，withrespecttothenonlinearcharacteristicsofshort—termloadfactors，theleastsquaressupportvectormachine(LSSVM)isusedtoestablishashort—termloadforecastingmode1．Withrespecttopar

5、ameteroptimizationproblemsoftraditionalLSSVMinloadforecasting，thispaperpresentstheti'uitflyparameteroptimizationalgorithmforoptimizationofpenaltyparameterCandkernelfunctionparameter．Onthebasisofananalysisofloaddataat24：00everydayintheperiodof2014—6—1to2014—6—29inanareaofZhejiangProvince

6、．aforecastingismadefortheloadsateacho'clockonJune30，2014．Thesimulationresultsshowthatshort—termloadforecastingthroughLSSVMbasedonfruitflyoptimizationalgorithmismoreaccuratethattraditionalLSSVMandparameteroptimizationalgorithm．Keywords：loadforecasting；leastsquaressupportvectormachines；pa

7、rameteroptimization；fruitflyoptimizationalgorithm；particleswarmopti—mizationO引言对神经网络的结构进行了优选，提高了预测精度，降低了计算成本。文献[4]建立了基于自适应惯性权重粒子群优化和最小=电力系统短期负荷预测是供电部门的重要工作之一⋯。通乘支持向量机的组合短期负荷模型，不仅加快了收敛速度，儿过准确的短期负荷预测可以经济合理地安排电网内各机组的启不会轻易陷入局部最优。文献[5]利用云计算技术对支持向量停，保持电网运行的安全稳定性；降低不必要的旋转储备容量，有机进行改进，在