一种基于RFE特征选择的PSO-SVR用电需求预测模型

发布时间：2021-10-11 18:45

　　随着电力体制改革的不断推进,用电量需求预测在电力行业的重要程度越来越高,预测结果越精确越有利于相关企业对资金作出合理的配置,积极有效地应对电力现货市场。基于RFE选择较高质量的特征值作为预测模型的输入,得到了较好的预测结果。进一步通过PSO算法对SVR模型参数进行择优选择,更进一步提高预测精度。通过两模型之间的对比分析,PSO-SVR模型能够更好地拟合实际用电量需求的走势,尤其是在用电量需求波动较大的月份。 

【文章来源】：计算机应用研究. 2020,37(S1)北大核心CSCD

【文章页数】：3 页

【参考文献】：
期刊论文
[1]基于随机森林——递归特征消除的道路交通事故成因分析[J]. 黄卫卫.  电脑知识与技术. 2018(14)
[2]2017～2018年度全国电力供需形势分析预测报告[J].   电器工业. 2018(02)
[3]电力企业售电量预测比较分析[J]. 高迪.  海峡科技与产业. 2017(06)
[4]改进最小二乘支持向量机电量预测算法[J]. 杨柳,吴延琳,张超,刘超,蒋勃,张鹏.  电网与清洁能源. 2017(03)
[5]基于大数据及智能算法的连云港电量负荷预测研究[J]. 张魁,王亚明,刘明,伏祥运,李红.  江苏电机工程. 2016(03)
[6]人工蜂群算法优化SVR的预测模型[J]. 高雷阜,高晶,赵世杰.  计算机工程与应用. 2016(11)
[7]电力负荷时间序列预测的应用与研究[J]. 李艳红,雷金辉.  科学技术与工程. 2011(04)



本文编号：3431056