粒子群优化最小二乘支持向量机的短期负荷预测研究

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(PSO-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。