混沌优化PSO-LSSVM算法的短期负荷预测

发布时间：2021-11-05 12:04

　　高渗透率随机性、间歇性分布式电源的大量接入,给传统配电系统的安全、经济和可靠运行带来了一系列的问题,使得传统的负荷预测方法已不再适用.针对这一问题,提出了利用混沌优化粒子群最小二乘支持向量机（PSO-LSSVM）的算法实现对短期电力系统负荷的精确预测.利用粒子群（PSO）算法的全局搜索能力和混沌算法随机、遍历的特性,使其分别克服选参时的盲目性和寻优时粒子群（PSO）算法易出现早熟而陷入局部最优的缺点.最后在Matlab2014a软件平台上验证了混沌优化PSO-LSSVM算法的有效性和收敛性. 

【文章来源】：兰州理工大学学报. 2019,45(01)北大核心

【文章页数】：6 页

【文章目录】：
1 电力负荷预测模型的建立
    1.1 短期负荷预测模型
        1) 典型负荷
        2) 天气因素
        3) 日期类型
        4) 特殊事件
    1.2 输入参数变量的选择
    1.3 对历史数据的处理
        1) 负荷数据的归一化
        2) 日期类型的划分与归一化
        3) 天气情况
    1.4 核函数的选择
    1.5 误差评价指标
2 电力系统负荷预测的最优化
    2.1 最小二乘支持向量机 (LSSVM) 原理
    2.2 混沌优化PSO-LSSVM原理
        2.2.1 粒子群 (PSO) 算法的优化原理
        2.2.2 混沌优化过程
        2.2.3 混沌优化粒子群最小二乘支持向量机
    2.3 负荷预测优化流程图
3 仿真案例
    3.1 混沌优化PSO-LSSVM
    3.2 性能评价
4 结论


【参考文献】：
期刊论文
[1]基于PSO优化参数的最小二乘支持向量机短期负荷预测[J]. 吴文江,陈其工,高文根.  重庆理工大学学报(自然科学). 2016(03)
[2]智能配电网体系探讨[J]. 李勋,龚庆武,胡元潮,杨群瑛,梁文腾.  电力自动化设备. 2011(08)
[3]电力系统短期负荷预测方法综述[J]. 廖旎焕,胡智宏,马莹莹,卢王允.  电力系统保护与控制. 2011(01)
[4]智能电网述评[J]. 余贻鑫,栾文鹏.  中国电机工程学报. 2009(34)
[5]短期负荷预测中SVM参数选取的混沌优化方法[J]. 霍明,罗滇生,何井龙.  电力系统及其自动化学报. 2009(05)
[6]基于混沌遗传算法的主汽温系统RBF-PID控制[J]. 王爽心,杨辉,张秀霞.  中国电机工程学报. 2008(23)

硕士论文
[1]智能配电网的短期负荷预测研究[D]. 李林容.兰州理工大学 2012



本文编号：3477765