华北电力大学学报（自然科学版）
華北電力大學學報（自然科學版）
화북전력대학학보（자연과학판）
Journal of North China Electric Power University
2014年
6期
104-108
,共5页
李顺昕%秦砺寒%胥永兰%牛东晓%王智敏
李順昕%秦礪寒%胥永蘭%牛東曉%王智敏
리순흔%진려한%서영란%우동효%왕지민
钢铁负荷预测%最小二乘支持向量机%粒子群优化%智能预测模型
鋼鐵負荷預測%最小二乘支持嚮量機%粒子群優化%智能預測模型
강철부하예측%최소이승지지향량궤%입자군우화%지능예측모형
steel load forecasting%least squares support vector machine (LSSVM)%weight particle swarm optimization (WPSO)%intelligent forecasting algorithm
钢铁企业电力负荷作为电力负荷的重要组成部分,钢铁电力负荷的准确预测对于提高电力负荷预测精度具有重要意义.为了实现钢铁电力负荷的中长期预测,本文选取了经济因素和社会因素作为自变量,引入带有惯性权重的粒子群算法(WPSO)对传统的最小二乘支持向量机智能预测模型(LSSVM)参数进行优化,并利用某地区钢铁电力负荷样本数据进行验证,拟合结果显示,经过粒子群算法优化后的最小二乘智能向量机算法预测精度更高,收敛速度更快,具有良好的推广性和适应性.
鋼鐵企業電力負荷作為電力負荷的重要組成部分,鋼鐵電力負荷的準確預測對于提高電力負荷預測精度具有重要意義.為瞭實現鋼鐵電力負荷的中長期預測,本文選取瞭經濟因素和社會因素作為自變量,引入帶有慣性權重的粒子群算法(WPSO)對傳統的最小二乘支持嚮量機智能預測模型(LSSVM)參數進行優化,併利用某地區鋼鐵電力負荷樣本數據進行驗證,擬閤結果顯示,經過粒子群算法優化後的最小二乘智能嚮量機算法預測精度更高,收斂速度更快,具有良好的推廣性和適應性.
강철기업전력부하작위전력부하적중요조성부분,강철전력부하적준학예측대우제고전력부하예측정도구유중요의의.위료실현강철전력부하적중장기예측,본문선취료경제인소화사회인소작위자변량,인입대유관성권중적입자군산법(WPSO)대전통적최소이승지지향량궤지능예측모형(LSSVM)삼수진행우화,병이용모지구강철전력부하양본수거진행험증,의합결과현시,경과입자군산법우화후적최소이승지능향량궤산법예측정도경고,수렴속도경쾌,구유량호적추엄성화괄응성.
