兰州交通大学学报
蘭州交通大學學報
란주교통대학학보
JOURNAL OF LANZHOU JIAOTONG UNIVERSITY（Natural Sciences）
2012年
6期
44-48
,共5页
电力负荷%遗传算法%最小二乘支持向量机%负荷预测
電力負荷%遺傳算法%最小二乘支持嚮量機%負荷預測
전력부하%유전산법%최소이승지지향량궤%부하예측
针对已有方法在选择最小二乘支持向量回归机(LS-SVM)模型参数上存在的不足,利用遗传算法(GA)全局寻优的优势,建立了经GA优化的LS-SVM回归预测模型,数据来源于美国新格兰地区2005～2006年电力负荷数据,以2005-01-01至2005-12-31期间每日24点负荷数据作为训练,以历史负荷数据、温度、湿度以及计算前一天相同时刻、前一周相同时刻负荷等8个因素作为输入,建立经GA优化的LS-SVM负荷预测模型,并同时建立了BP神经网络、标准支持向量机、最小二乘支持向量机预测模型,对2006年1月第1周的168个点负荷进行预测,实例预测结果表明:利用该方法进行电力负荷预测比起BP神经网络、标准支持份向量机和最小二乘支持向量机方法有更高的预测精度.
針對已有方法在選擇最小二乘支持嚮量迴歸機(LS-SVM)模型參數上存在的不足,利用遺傳算法(GA)全跼尋優的優勢,建立瞭經GA優化的LS-SVM迴歸預測模型,數據來源于美國新格蘭地區2005～2006年電力負荷數據,以2005-01-01至2005-12-31期間每日24點負荷數據作為訓練,以歷史負荷數據、溫度、濕度以及計算前一天相同時刻、前一週相同時刻負荷等8箇因素作為輸入,建立經GA優化的LS-SVM負荷預測模型,併同時建立瞭BP神經網絡、標準支持嚮量機、最小二乘支持嚮量機預測模型,對2006年1月第1週的168箇點負荷進行預測,實例預測結果錶明:利用該方法進行電力負荷預測比起BP神經網絡、標準支持份嚮量機和最小二乘支持嚮量機方法有更高的預測精度.
침대이유방법재선택최소이승지지향량회귀궤(LS-SVM)모형삼수상존재적불족,이용유전산법(GA)전국심우적우세,건립료경GA우화적LS-SVM회귀예측모형,수거래원우미국신격란지구2005～2006년전력부하수거,이2005-01-01지2005-12-31기간매일24점부하수거작위훈련,이역사부하수거、온도、습도이급계산전일천상동시각、전일주상동시각부하등8개인소작위수입,건립경GA우화적LS-SVM부하예측모형,병동시건립료BP신경망락、표준지지향량궤、최소이승지지향량궤예측모형,대2006년1월제1주적168개점부하진행예측,실례예측결과표명:이용해방법진행전력부하예측비기BP신경망락、표준지지빈향량궤화최소이승지지향량궤방법유경고적예측정도.
