曹渝昆, 帅 浩

(上海电力学院 计算机科学与技术学院, 上海 200090)

基于多因素改进型PSOSVM算法的中长期负荷预测

曹渝昆, 帅 浩

(上海电力学院 计算机科学与技术学院, 上海 200090)

中长期负荷预测作为电力规划与调度中的重要一环,其影响因素有着多样性和不确定性等特点.选取支持向量机作为中长期负荷预测的核心算法,筛选多种区域宏观经济因素,利用粒子群(PSO)寻优与循环寻优的改进型算法对支持向量机(SVM)的参数进行优化及负荷预测.仿真结果显示,改进型PSOSVM算法有着较高的预测精度.

中长期负荷预测; 宏观影响因素; 粒子群与循环寻优; 改进型PSOSVM算法; 支持向量机

中长期负荷预测主要研究方向有灰度预测[1]、回归分析[2]、组合预测[3]、神经网络算法[4-5]与支持向量机(Support Vector Machine,SVM)算法[6-10]等,其中灰度预测与回归的研究对象主要是历史负荷数据,组合预测国内研究的较多,国外研究相对较少,而神经网络算法与支持向量机是目前研究最多的两种方法.

文献[1]对过度依赖历史数据的灰度算法做了改进,结合了一定未来波动趋势,但不能解决其他影响因素的干扰,稳定性不高;文献[2]的回归预测存在着同样的问题,不能很好地处理干扰量;文献[3]的组合预测结合了多种算法的优点,但容易产生误差传递;文献[4]和文献[5]提高了预测的收敛速度,但预测精度不够高;文献[6]提出了粒子群(Particle Swarm Optimization,PSO)优化鲁棒支持向量回归的方法,提高了支持向量机的稳定性,但容易出现样本集的过拟……