基于加权粒子群优化的LSSVM的钢铁企业电力负荷预测

李顺昕; 秦砺寒; 胥永兰; 牛东晓; 王智敏

首页> 中文期刊> 《华北电力大学学报》 >基于加权粒子群优化的LSSVM的钢铁企业电力负荷预测

基于加权粒子群优化的LSSVM的钢铁企业电力负荷预测

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

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。

著录项

来源
《华北电力大学学报》 |2014年第6期|104-108|共5页
作者
李顺昕; 秦砺寒; 胥永兰; 牛东晓; 王智敏;
展开▼
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;

展开▼
原文格式 PDF
正文语种 chi
中图分类负荷分析;
关键词
钢铁负荷预测; 最小二乘支持向量机; 粒子群优化; 智能预测模型;

相似文献

中文文献
外文文献
专利

1. 基于改进粒子群优化LSSVM的短期电力负荷预测 [J] . 龙金莲 ,张玉分 ,卢家暄 . 机电信息 . 2016,第036期
2. 基于改进粒子群优化LSSVM的短期电力负荷预测 [J] . 龙金莲1 ,张玉分1 ,卢家暄2 . 机电信息 . 2016,第036期
3. 基于改进灰色关联分析和CMPSO⁃LSSVM算法的短期电力负荷预测 [J] . 解海翔 ,陈芳芳 ,刘易 . 现代电子技术 . 2021,第008期
4. 基于VMD-NCWOA-LSSVM的短期电力负荷预测方法 [J] . 胡文波 ,陈璟华 ,赖伟鹏 . 宁夏电力 . 2021,第004期
5. 基于ISSA-LSSVM模型的短期电力负荷预测 [J] . 胡林静 ,郭朝泽 ,王景帅 . 科学技术与工程 . 2021,第023期
6. 基于多目标粒子群优化算法的短期电力负荷预测法 [C] . 冯丽 ,孔庆云 ,郭琳 . 2006电力系统自动化学术交流研讨会 . 2006
7. 基于GM-LSSVM-MKPCA的RBF神经网络短期电力负荷预测方法研究 [A] . 朱路飞 . 2020

基于加权粒子群优化的LSSVM的钢铁企业电力负荷预测

摘要

著录项

相似文献

相关主题

期刊订阅