论文摘要
支持向量机是借助于凸优化技术的统计学习方法,与传统神经网络相比,泛化错误率低并且结果易于解释。将支持向量机用于负荷预测时,参数选择不准确会导致预测性能较差。提出一种基于蚱蜢优化算法的支持向量机短期负荷预测方法,以某地区负荷、天气等历史数据对SVM进行训练,并通过GOA优化选取支持向量机参数,然后以得到的最优参数建立GOA-SVM负荷预测模型。算例分析表明,GOA-SVM预测模型比GA-SVM和PSO-SVM模型有更好的收敛性能,且预测精度更高。
论文目录
文章来源
类型: 期刊论文
作者: 宫毓斌,滕欢
关键词: 短期负荷预测,支持向量机,蚱蜢优化算法
来源: 电测与仪表 2019年14期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 四川大学电气信息学院
分类号: TM715
DOI: 10.19753/j.issn1001-1390.2019.014.003
页码: 12-16
总页数: 5
文件大小: 237K
下载量: 551