基于改进粒子群算法的中长期电力负荷组合预测

发布时间：2017-11-21 07:23

  本文关键词：基于改进粒子群算法的中长期电力负荷组合预测

  更多相关文章： EPSO算法 电力负荷 预测 支持向量机 验证

【摘要】：针对利用支持向量机进行负荷预测需要人为地确定相关参数的不足,提出将一种改进的粒子群算法(EPSO)应用到中长期电力负荷预测中去优化支持向量机(SVM)的参数,并用实例验证了该方法的有效性。
【作者单位】： 揭阳供电局;
【分类号】：TM715;TP18
【正文快照】： 0引言中长期电力负荷预测是电力系统规划和设计的重要前提和基础,提高中长期负荷预测的精度能够给电力系统的安全运行提供可靠保证。由于许多非线性和不确定因素都将影响到中长期负荷,因此很难获得高精度的中长期负荷预测值。近年来,学者们对中长期负荷预测进行了广泛研究,预

【相似文献】

中国期刊全文数据库 前10条

1 付桂琴;李运宗;;气象条件对电力负荷的影响分析[J];气象科技;2008年06期

2 陈国基;;关于城市小区供电规划电力负荷的计算[J];建筑电气;2008年02期

3 杨静;郝毅;陈冬梅;江波;;新疆农业区电力负荷与天气的关系[J];气象;2009年01期

4 胡安泰;袁翔;应国德;邵译鸥;;台州夏季电力负荷与气候相关性分析[J];华东电力;2011年03期

5 周江;;南方电网中气象性电力负荷的特性研究——以浙江省金华市为例[J];中国集体经济;2012年28期

6 江晓峰;;电力负荷控制技术及其选用[J];吉林电力技术;1992年04期

7 徐任武;电力负荷监控实用化需解决的几个问题[J];电网技术;1996年08期

8 闻治盛,姜小剑;限电不用拉路　负荷控制到户─-通州市电力负荷无线管理系统通过评审[J];农村电气化;1997年09期

9 叶殿秀;张培群;赵珊珊;夏鑫;柯宗建;王有民;刘秋锋;;北京夏季日最大电力负荷预报模型建立方法探讨[J];气候与环境研究;2013年06期

10 宋若i，

本文编号：1210120