智能电网视角下粒子群优化支持向量机的用电量预测.pdfVIP

2013年第期 Scienced盏瑟 。R。盯。h doi：10．3969／j．issn．1000—7695．2013．11．052 智能电网视角下粒子群优化支持 向量机的用电量预测 沈建新 ，杨善林 (合肥工业大学管理学院，安徽合肥 230009) 摘要：智能电网的一个重要特征是通过高精度的用电量预测进行 电能智能调配，用 电量信息的精确预测是电网 智能化的关键指标。针对用电量数据非线性的特点，提 出了一种基 于粒子群优化的 PSO—CV—SVR模型。该 模型基于支持向量回归机原理，以粒子群算法和交叉验证的思想优化模型参数。将该模型应用于江苏省全社会 用电量的预测分析，结果表明该模型优于BP一神经网络方法，提高了预测的精度。 关键词：预测；支持向量回归；粒子群算法；交叉验证 中图分类号：TM715 文献标识码 ：A 文章编号：1000—7695 (2013)l1—0235—04 ElectricityConsumption PredictionBasedon SVR with Particle Swarm OptimizationinSmartGrid SHEN Jianxin，YANG Shaniin (SchoolofManagement，HefeiUniversityofTechnology，Hei230009，China) Abstract：An importantfeatureofsmartgridistheintelligentpowerdistributionfunctionbasedonelectricityconsump- tionforecastingwithhighaccuracy．Accurateprediction ofelectricityconsumption isthekey indicatorofpowerintelli— gence．TheSVRmodelwithParticleSwarm OptimizationandCrossValidationisproposedaccordingtothecharacteristics ofthenonlinearelectricityconsumptiondata．Inthismode1．PSO —CV methodiSusedtotheparameterdetemr ination． ThenPSO —CV—SVRmodelisappliedtotheelectricityconsumptionpredictionofJiangsuprovince．Theresultshows thatthemodelisbetterthantheANNsmethodandimprovestheaccuracyoftheprediction． Keywords：prediction；Supportvectorregression (SVR)；ParticleSwamr Optimization (PSO)；CROSSvalidation 用电量的指标是繁多的，在对 电力负荷研究中，常 1 前言 常会遇到反应变量与解释变量之间存在着非线性关 进入 21世纪以来，随着社会和经济的发展、技 系，或关系相当复杂等难 以建立反应变量与解释变 术的进步以及人类社会对 电力依赖程度的加大，智 量之间确切函数的情况 。 能电网的概念应运而生，并在近两年成为全球 电力 支持 向量 机 (SupportVectorMachine)是 由 行业研究和探讨的热点。智能电网是建立在集成的、 Vapnik等人在 1995年提出来的，它是基于结构风险 高速双向通信网络的基础上，通