基于细菌群落趋药性优化的最小二乘支持向量机短期负荷预测方法

被引：50

作者：

曾鸣 ^{[1
]}

吕春泉 ^{[1
]}

田廓 ^{[2
]}

薛松 ^{[1
]}

机构：

[1] 华北电力大学能源与电力经济研究咨询中心

[2] 陕西省电力公司

来源：

中国电机工程学报 | 2011年 / 31卷 / 34期

关键词：

短期负荷预测; 超参数选择; 细菌群落趋药性; 最小二乘支持向量机;

D O I：

10.13334/j.0258-8013.pcsee.2011.34.008

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

智能电网的建设和电力市场的发展对短期负荷预测的精度和速度提出了更高的要求。应用一种仿生算法来改善负荷预测的精度和运算速度,提出一种基于细菌群落趋药性优化算法的最小二乘支持向量机(least squares-support vector machine based on bacterial colony chemotaxis optimization,BCC-LS-SVM)模型,通过细菌群体趋药性优化算法快速、合理地确定最小二乘支持向量机(least squares-support vectormachine,LS-SVM)的超参数。研究表明,与前馈(back-propagation,BP)神经网络算法和单纯的LS-SVM算法相比,BCC-LS-SVM算法具有较强的全局搜索能力,易于操作,能够实现更高的预测精度及更好的运算速度,更适用于当前中国短期负荷预测的需要。

引用

页码：93 / 99+11 +11

页数：8

共 20 条

[1] 先进电力电子技术在智能电网中的应用 [J].

张文亮 ;

汤广福 ;

查鲲鹏 ;

贺之渊 .

中国电机工程学报, 2010, 30 (04) :1-7

[2] 细菌群趋药性算法在电气设备缺陷参数红外识别中的应用 [J].

寇蔚 ;

孙丰瑞 ;

杨立 .

中国电机工程学报, 2008, (30) :113-118

[3] 基于基因表达式程序设计及误差循环补偿的电力系统短期负荷预测 [J].

霍利民 ;

范新桥 ;

黄丽华 ;

刘伟娜 ;

朱永利 .

中国电机工程学报, 2008, (28) :103-107

[4] A forecasting and forewarning model for methane hazard in working face of coal mine based on LS-SVM [J].

CAO Shugang LIU Yanbao WANG Yanping Key Laboratory for the Exploitation of Southwest Resources the Environmental Disaster Control Engineering Ministry of Education Chongqing University Chongqing China College of Petroleum Engineering Chongqing University of Science and Technology Chongqing China .

JournalofChinaUniversityofMining&Technology, 2008, (02) :172-176

[5] 基于经验模式分解与因素影响的负荷分析方法 [J].