声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2283/TM
国际刊号：1003-3076
发布日期:
作者：程志友1,2，丁柏宏1， 余国晓1
单位：1. 安徽大学电子信息工程学院， 安徽 合肥 230601;
\r\n2. 教育部电能质量研究中心， 安徽大学， 安徽 合肥 230601
关键词：SVM, 短期负荷预测, LASSO, 滞后负荷, LSVM, IPSO
基金：国家自然科学基金项目（61672032）、 安徽省科技重大专项(18030901018)
传统基于支持向量机(SVM)的短期负荷预测模型存在着输入变量不易确定以及模型参数难以最优化的问题。针对这两个缺点，本文提出了一种基于IPSO-LSVM的短期负荷预测方法。首先引入LASSO回归筛选SVM预测模型中的滞后负荷，将筛选结果和其余影响因素作为SVM预测模型中的输入变量，建立LASSO与SVM的耦合模型（LSVM）；然后采用IPSO算法对LSVM预测模型中的参数进行优化，提高预测结果的准确性和稳定性；最后采用优化后的模型进行预测。算例分析表明，IPSO优化LSVM的方法能够有效提高短期负荷预测的精度。
来源：2020年第5期
《电工电能新技术》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。