| 基于PSO—SVR的电力负荷预测 |
| |
| 引用本文： | 胡永迅,李彦梅.基于PSO—SVR的电力负荷预测[J].佳木斯大学学报,2021,39(6):54-57. |
| |
| 作者姓名： | 胡永迅 李彦梅 |
| |
| 作者单位： | 安徽理工大学电气与信息工程学院,安徽 淮南 232001;安庆师范大学电子工程与智能制造学院,安徽 安庆 246133 |
| |
| 摘 要： | 电力系统负荷预测精度直接决定了预测模型的质量.为了降低预测模型输出结果的预测误差,提出了粒子群算法优化支持向量机回归这一智能预测方法.通过对环境温度、节假日、工作日、日期的采集与分析作为模型的输入,以日平均负荷作为模型的输出.最后,通过仿真,对引入粒子群算法的支持向量机回归模型的预测结果进行对比分析.结果表明:优化后的智能模型取得了更为理想的预测结果.
|
| 关 键 词： | 支持向量机回归 粒子群算法 预测精度 负荷预测 |
Power Load Forecasting Based on PSO-SVR |
| |
| HU Yongxun,LI Yanmei.Power Load Forecasting Based on PSO-SVR[J].Journal of Jiamusi University(Natural Science Edition),2021,39(6):54-57. |
| |
| Authors: | HU Yongxun LI Yanmei |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
