摘要: |
在基于支持向量机(SVM)的电力系统中期负荷预测的基础上,针对SVM参数难以确定的问题,在引进微分进化(DE)算法优化SVM参数的基础上,为了减少DE的寻优时间,提高全局搜索能力,用基于学习样本集噪声估计的方法确定SVM参数的范围作为DE的寻优范围,以指导DE寻优。同时,引进自适应算子,采用参数自适应DE(ADE)算法选择SVM参数。由于影响负荷的气温因素是模糊的,利用隶属度函数对气温因素进行模糊化处理,进一步提高了预测精度。将上述方法用于欧洲智能技术网络(EUNITE)竞赛数据的中期电力负荷预测,结果表 |
关键词: 中期负荷预测 支持向量机 微分进化算法 自适应 模糊理论 |
DOI:10.7667/j.issn.1674-3415.2012.08.020 |
|
基金项目:华北电力大学校内基金(200814003) |
|
|
|
() |
Abstract: |
|
Key words: |