基于主成分与粒子群算法的LS-SVM短期负荷预测.pdfVIP

学兔兔 总第49卷 第558期 电测与仪表 Vo1．49 NO．558 2012年 第6期 Electrical Measurement Instrumentation Jun．2012 基于主成分与粒子群算法的LS—SVM短期负荷预测术 代鑫波 ，崔勇 ，周德祥 ，陈湘华 (1．华北电力大学，北京102206；2．河南工业大学，郑州450001；3．西宁市方盛电力设计有限公司，西宁810003； 4．河南开封供电公司，河南开封475000；5．河南兰考供电公司，河南兰考 475300) 摘要：短期电力负荷预测对电力系统安全经济运行和国民经济发展具有重要意义。最小二乘支持向量机(Least square support vector machines，LS—SVM)在解决小样本、非线性问题中表现出许多特有的优势，该方法已成功应 用在负荷预测领域。本文提出了一种基于主成分分析的支持向量机预测模型，运用主成分分析对历史数据进行 主成分提取，消除输入的训练数据本身存在着大量的噪声和冗余，从处理后的数据提取LSSVM的训练样本，并 利用改进的粒子群优化算法(Particle Swarm Optimization，PSO)以LSSVM中的参数作为粒子进行优化，进而提高 训练速度和预测精度。最后，将该模型运用到短期电力负荷预测中，与经典的SVM和BP~hh经网络相比具有更好 的泛化性能和预测精度。 ‘ 关键词：负荷预测；主成分分析；粒子群优化；最小二乘支持向量机 中图分类号：TM715 文献标识码：A 文章编号：1001—1390(2012)06—0005—05 LS-SVM Short-term Load Forecasting Based on Principal Component Analysis and Improved Particle Swarm Optimization 1．4 1．5 2 3 DAI Xin-bo ，CUI Yong’ZHOU De-xiang，CHEN Xiang-hua ， (1．North China Electric Power University，Beijing 102206 China．2．Henan University of Technology，Zhengzhou 450001，China．3．Xining Fangsheng Power Design Co．，Ltd，Xining 810003，China．4．Kaifeng Power Company，Kaifeng 475000，Henan，China．5．Lankao Power Company，Lankao 047530，Henan，China) Abstract：Short——term load forecasting is of great significance for power system economic operation and development of national economy．Least squares support vec