基于入侵杂草优化算法的支持向量机负荷预测.pdf

第 33卷第2期 电 力 科 学 与 工 程 V01．33．No．2 2017年2月 ElectricPowerScienceandEngineering Feb．，2017 doi：10．3969／j．ISSN．1672—0792．2017．02．006 基于入侵杂草优化算法的支持 向量机负荷预测 周 尚琚 玺 ，马立新 (上海理工大学 光电信息与计算机工程学院，上海 200093) 摘要：针对支持向量机 (SupportVectorMachine，SVM)预测方法中的参数选取主要依靠经验试算实验 比对 的方法导致难以快速选择合适参数从而影响负荷预测精度 的问题 ，研究了将入侵杂草优化 算法 (Invasive WeedOptimization，IWO)与支持 向量机算法相结合 的改进算法。提 出控制误差 8的取值 ，采用入侵杂草寻 优算法对惩罚参数 c和核函数参数 进行优化选取，将 自动寻优 的结果赋给支持 向量机 ，从而实现支持 向 量机 自动寻优 。用某市的历史负荷及相关天气等信 息数据 ，通过仿真实验证 明了IWO．SVM 算法用于短期负 荷预测 的可行性，以及 IWO算法对改善 SVM 的参数选择 的有效性 。平均预测误差在 3％以内．满足行业要 求 。 关键词 ：短期负荷预测 ；支持 向量机 ；入侵杂草优化 中图分类号 ：TM715 文献标识码 ：A 文章编号 ：1672—0792 (2017)02—0035—06 LoadForecastingBasedonSupportVectorMachine Optimizeby InvasiveW eedOptimization ZHOUShangjunxi，MALixin (SchoolofOptical—ElectricalandComputerEngineering，UniversityofShanghaiforScienceandTechnology， Shanghai200093，China) Abstract：Aimingattheproblemofthesuppo~vectormachine (SVM)parameterselectionmethodsrelymainlyon theexperiencecalculationanditslowefficiencydefects，anewmethod，invasiveweedoptimization (IWO)algorithm， combiningwithSVM ，isproposed．BycontrollingthevalueoferrorandusingIW O algorithm tooptimizethepunishpa— rametersandkernelparameters，themodelisconstructed．Astherelevanthistoricalloaddata，weatherdataandother informationofcityofJiangsuProvinceusedasthesimulation data，thesimulationresultsprovethefeasibilityofthe SVM algorithm forshort—term loadforecastingandtheeffectivenessoftheIWO algorithm ofrimprovingtheparameters ofSVM．Theexperimentalresuhsshow thatthepredictionaccuracyofthismethodcanmeettheindustryrequirements， withtheaverageerrorlessthan3％ ． Keywords：loadforecasting；