ISSN 1009-5624 CN 10-2021/TQ 主管:中国乐凯集团有限公司 主办:北京乐凯科技有限公司
中国知网全文收录期刊
万方数据库收录期刊
RCCSE中文学术期刊
维普资讯网/超星域出版 全文收录
中国核心期刊(遴选)数据库收录期刊
万方数据库收录期刊
RCCSE中文学术期刊
维普资讯网/超星域出版 全文收录
中国核心期刊(遴选)数据库收录期刊
ISSN 1009-5624 CN 10-2021/TQ 主管:中国乐凯集团有限公司 主办:北京乐凯科技有限公司
【摘要】短期负荷预测是电力系统规划和调度前提。电力负荷预测环境复杂多变，为了尽可能提高短期电力负荷预测的精度。本文针对当今人工短期负荷预测方法存在的缺陷，提出了基于粒子群优化算法最小二乘支持向量机（P S O -LSSVM）的短期负荷智能预测方法，该方法采用粒子群（PSO）算法对最小二乘支持向量机（LSSVM）的惩罚系数与核函数进行优化，改善了粒子群算法容易早熟的局限。在 Matlab 仿真环境下，以前 7d 每小时负荷样本为输入数据，预测第8d 24h 的负荷，通过误差比较和分析，验证了所提方法的有效性。
