陆磊,张铭飞,朱浩钰.基于VMD-IPSO-LSSVM的短期电力负荷预测研究[J].电工技术,2022(24):175-178
基于VMD-IPSO-LSSVM的短期电力负荷预测研究
  
DOI：10.19768/j.cnki.dgjs.2022.24.053
中文关键词:  短期电力负荷预测  变分模态分解  改进粒子群算法  最小二乘支持向量机  预测精度
英文关键词:
基金项目:
作者单位
陆磊 华北水利水电大学电力学院 
张铭飞 国网常德供电公司 
朱浩钰 菏泽黄河河务局供水局 
摘要点击次数: 488
全文下载次数: 0
中文摘要:
      针对不规律的、波动性大的复杂原始负荷数据导致预测精度不高等问题,设计了一种使用变分模态分解 (VMD)与改进粒子群算法 (IPSO)来优化最小二乘支持向量机 (LSSVM)的短期负荷预测模型.针对原始负荷数据存在的波动性大等缺陷,首先使用 VMD法将其分解为多个各异的模态分量,然后将分解后的各组数据分别输入改进的动态自适应惯性权重粒子群算法优化后的 LSSVM模型,最后将得到的多个各异的模态分量分别经模型预测出的结果进行相加得到最后取得的预测结果.经江苏省某市真实负荷数据仿真,验证了该预测模型的有效性及优越性.
英文摘要:
      
查看全文  查看/发表评论  下载PDF阅读器