基于加权粒子群优化的LSSVM的钢铁企业电力负荷预测

发布时间：2018-06-16 03:13

  本文选题：钢铁负荷预测 + 最小二乘支持向量机　； 参考：《华北电力大学学报(自然科学版)》2014年06期

【摘要】：钢铁企业电力负荷作为电力负荷的重要组成部分,钢铁电力负荷的准确预测对于提高电力负荷预测精度具有重要意义。为了实现钢铁电力负荷的中长期预测,本文选取了经济因素和社会因素作为自变量,引入带有惯性权重的粒子群算法(WPSO)对传统的最小二乘支持向量机智能预测模型(LSSVM)参数进行优化,并利用某地区钢铁电力负荷样本数据进行验证,拟合结果显示,经过粒子群算法优化后的最小二乘智能向量机算法预测精度更高,收敛速度更快,具有良好的推广性和适应性。
[Abstract]:As an important part of power load, the accurate forecasting of iron and steel power load is of great significance to improve the accuracy of power load forecasting. In order to realize the medium and long term forecasting of iron and steel power load, this paper selects economic and social factors as independent variables. The particle swarm optimization (WPSO) algorithm with inertia weight is introduced to optimize the LSSVM parameters of the traditional LS-SVM intelligent forecasting model. The LSSVM parameters are verified by the sample data of iron and steel power load in a certain area. The fitting results show that, The least square intelligent vector machine algorithm optimized by particle swarm optimization has higher prediction accuracy, faster convergence speed and better generalization and adaptability.
【作者单位】： 国网冀北电力有限公司经济技术研究院;华北电力大学经济与管理学院;
【基金】：国家自然科学基金资助项目(71471059)
【分类号】：TM715

【相似文献】

相关期刊论文 前10条

1 韩富春，姚劲松，，赵铭凯;一种新的中长期电力负荷预测方法[J];电工技术学报;1994年04期

2 叶舟,陈康民;温斯特线性与季节性指数平滑法在电力负荷预测中的应用及改进[J];电力建设;2000年08期

3 武雅丽,荆平,姬瑞珍,武坚;电力负荷预测软件在晋中地区的应用[J];山西电力技术;2000年01期

4 余贻鑫,张崇见,张弘鹏;空间电力负荷预测小区用地分析(一)——模糊推理新方法和小区用地分析原理[J];电力系统自动化;2001年06期

5 余贻鑫,张崇见,张弘鹏;空间电力负荷预测小区用地分析(二)——模糊推理在小区用地分析中的应用[J];电力系统自动化;2001年07期

6 余贻鑫,张弘鹏,张崇见,严雪飞;空间电力负荷预测小区用地分析的模糊推理新方法[J];天津大学学报;2002年02期

7 甄利玲;中长期电力负荷预测的回归模型及其应用[J];雁北师范学院学报;2002年05期

8 吴敏敏;县市级电力负荷预测方法初探[J];浙江电力;2002年04期

9 杨期余,汪卫华,蓝信军;长期电力负荷预测的模糊数学方法[J];湖南大学学报(自然科学版);2002年06期

10 王志征,余岳峰,姚国平;基于主成分分析法和自适应神经模糊推理系统的电力负荷预测[J];电力自动化设备;2003年09期

相关会议论文 前10条

1 李忻贤;;浅谈电力负荷预测[A];山东电机工程学会第四届供电专业学术交流会论文集[C];2007年

2 乔艳芬;;基于分形理论的昆明电网电力负荷预测[A];2009年云南电力技术论坛论文集（优秀论文部分）[C];2009年

3 赵成旺;顾幸生;;组合优化灰色预测模型在中长期电力负荷预测中应用[A];第二十四届中国控制会议论文集（下册）[C];2005年

4 罗楠;朱业玉;杜彩月;王军;王红燕;;支持向量机方法在电力负荷预测中的应用[A];中国气象学会2007年年会天气预报预警和影响评估技术分会场论文集[C];2007年

5 乔艳芬;;基于分形理论的昆明电网电力负荷预测[A];2009年云南电力技术论坛论文集（文摘部分）[C];2009年

6 杨旭;刘自发;张建华;李聪;;考虑气候因素的城市电力负荷预测[A];第十一届全国电工数学学术年会论文集[C];2007年

7 牛东晓;陈志业;邢棉;谢宏;;具有二重趋势性的季节型电力负荷预测组合优化灰色神经网络模型[A];加入WTO和中国科技与可持续发展——挑战与机遇、责任和对策（上册）[C];2002年

8 丁光彬;王治昆;赵林明;翟传仁;;包络预测方法及其在电力负荷预测中的应用[A];管理科学与系统科学进展——全国青年管理科学与系统科学论文集（第4卷）[C];1997年

9 刘博;张筱慧;许璞;;变权重组合预测方法用于电力负荷预测[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（下册）[C];2008年

10 孔胜;王宇;张承伟;;经济危机对中长期电力预测影响的实证研究[A];第五届（2010）中国管理学年会——商务智能分会场论文集[C];2010年

相关重要报纸文章 前4条

1 薛元荡 鲍导;阜宁县加强电力负荷预测[N];中国电力报;2000年

2 章家银 张克杰;气象要素在电力负荷预测中的应用[N];巢湖日报;2006年

3 夏志强邋杨士进 曾居仁;气象预报助我省科学调度电力[N];贵州日报;2008年

4 本报记者 罗丹;气象科技融入电网[N];中国气象报;2014年

相关博士学位论文 前7条

1 周倩;智能工程体系及其在电力负荷预测中的应用研究[D];华北电力大学（北京）;2010年

2 叶世杰;基于多指标模型的电力负荷预测研究[D];重庆大学;2010年

3 王建军;基于知识挖掘技术的智能协同电力负荷预测研究[D];华北电力大学（北京）;2011年

4 尹新;群智能算法与电力负荷预测研究[D];湖南大学;2011年

5 王大鹏;灰色预测模型及中长期电力负荷预测应用研究[D];华中科技大学;2013年

6 刘晓娟;基于智能方法的电力系统负荷预测模型及其应用研究[D];东华大学;2014年

7 王勇;用于电力行业决策支持的多AGENT技术研究[D];华东师范大学;2007年

相关硕士学位论文 前10条

1 李小燕;基于灰色理论的电力负荷预测[D];华中科技大学;2007年

2 储琳琳;市南地区电力负荷预测实用方法研究[D];上海交通大学;2009年

3 耿光飞;珠海市电力负荷预测研究[D];中国农业大学;2000年

4 张毅;中长期电力负荷预测[D];四川大学;2003年

5 沈海澜;基于数据挖掘技术的电力负荷预测研究[D];中南大学;2003年

6 蓝信军;长期电力负荷预测的模糊数学方法研究[D];湖南大学;2004年

7 周晓刚;盘锦地区中期电力负荷预测的研究[D];沈阳工业大学;2007年

8 陈霞;灰色预测模型及其在电力负荷预测中的应用研究[D];南昌大学;2007年

9 陈启;基于支持向量回归在短期负荷预测中的应用[D];河北工程大学;2010年

10 陆雪梅;基于灰色理论的城市电网电力负荷预测[D];天津大学;2010年

本文编号：2024994