针对电力负荷在线预测问题,结合多变量相空间重构以及多核函数LS-SVM(Least Squares Support Vector Machine),提出一种基于滑动窗口策略与改进人工鱼群算法(Artificial Fish Swarm Algorithm)的短期电力负荷在线预测综合优化方法。利...针对电力负荷在线预测问题,结合多变量相空间重构以及多核函数LS-SVM(Least Squares Support Vector Machine),提出一种基于滑动窗口策略与改进人工鱼群算法(Artificial Fish Swarm Algorithm)的短期电力负荷在线预测综合优化方法。利用多变量相空间重构还原真实电力系统动力学特性;将核函数进行排列组合,从而将组合核函数的构造问题转换为权值系数的优化问题,进一步将延迟时间、嵌入维数、LS-SVM参数以及核函数权值作为整体参数向量,利用混沌自适应人工鱼群算法对训练数据预测精度的适应度函数进行优化,从而得到最优的预测模型参数,最后通过滑动时窗策略将得到的预测模型对短期电力负荷进行在线预测,结果证明了提出方法的有效性。展开更多
文摘针对电力负荷在线预测问题,结合多变量相空间重构以及多核函数LS-SVM(Least Squares Support Vector Machine),提出一种基于滑动窗口策略与改进人工鱼群算法(Artificial Fish Swarm Algorithm)的短期电力负荷在线预测综合优化方法。利用多变量相空间重构还原真实电力系统动力学特性;将核函数进行排列组合,从而将组合核函数的构造问题转换为权值系数的优化问题,进一步将延迟时间、嵌入维数、LS-SVM参数以及核函数权值作为整体参数向量,利用混沌自适应人工鱼群算法对训练数据预测精度的适应度函数进行优化,从而得到最优的预测模型参数,最后通过滑动时窗策略将得到的预测模型对短期电力负荷进行在线预测,结果证明了提出方法的有效性。
