论文摘要
针对依赖经验选取影响短期电力负荷相关因素的不准确性以及最小二乘支持向量机（LS-SVM）模型中参数难以确定的问题,建立结合邻域粗糙集（NRS）理论和粒子群优化（PSO）算法的最小二乘支持向量机短期电力负荷预测模型。为了从经验选择的属性中挖掘出与负荷密切相关的因素,避免选取过多属性而加长训练时间以及冗余属性对预测精度的影响,采用邻域粗糙集理论对属性进行约简,使其结果作为LS-SVM法对模型参数进行寻优,避免依赖经验选择的参数对模型的影响。最后用上述方法对某地区负荷进行预测分析,仿真结果表明上述方法能有效提高负荷预测精度。
论文目录
文章来源
类型: 期刊论文
作者: 刘南艳,牟丰
关键词: 短期电力负荷预测,邻域关系,属性约简,最小二乘支持向量机,粒子群算法,预测精度
来源: 现代电子技术 2019年07期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 电力工业,自动化技术
单位: 西安科技大学计算机科学与技术学院,西安科技大学电气与控制工程学院
基金: 陕西省工业科技攻关项目(2015GY049)~~
分类号: TP18;TM715
DOI: 10.16652/j.issn.1004-373x.2019.07.028
页码: 115-118+124
总页数: 5
文件大小: 1544K
下载量: 409
相关论文文献
标签：短期电力负荷预测论文; 邻域关系论文; 属性约简论文; 最小二乘支持向量机论文; 粒子群算法论文; 预测精度论文;