基于人工蜂群優(yōu)化LS-SVM短期負(fù)荷預(yù)測(cè)研究.pdf

1、短期負(fù)荷預(yù)測(cè)是電力部門非常重要的一項(xiàng)工作，它關(guān)系到發(fā)電單位對(duì)發(fā)電計(jì)劃的合理安排，所以對(duì)其進(jìn)行研究是非常必要的。短期負(fù)荷預(yù)測(cè)的結(jié)果是否精準(zhǔn)影響著電力部門的計(jì)劃交易量和電力系統(tǒng)是否能安全穩(wěn)定地運(yùn)行。因此，采用適當(dāng)?shù)亩唐谪?fù)荷預(yù)測(cè)方法和最大程度地提高預(yù)測(cè)精度和準(zhǔn)確性已成為負(fù)荷預(yù)測(cè)領(lǐng)域的重要研究課題。
　　首先，本文介紹了負(fù)荷預(yù)測(cè)的研究背景及意義并對(duì)負(fù)荷預(yù)測(cè)進(jìn)行了分類，重點(diǎn)闡述了短期電力負(fù)荷預(yù)測(cè)的特點(diǎn)、方法和研究現(xiàn)狀等;其次，結(jié)合電力負(fù)荷的

2、特性，提出建立基于最小二乘支持向量機(jī)的預(yù)測(cè)模型。由于模型參數(shù)對(duì)預(yù)測(cè)的結(jié)果有著很大的影響，所以最小二乘向量機(jī)參數(shù)的優(yōu)化非常重要，本文分別采取人工蜂群算法和改進(jìn)蜂群算法對(duì)參數(shù)進(jìn)行尋優(yōu)，對(duì)兩種算法的原理和流程進(jìn)行了說明，并對(duì)兩種算法的優(yōu)化性能進(jìn)行驗(yàn)證。最后分別建立基于LS-SVM、ABC-LSSVM和CABC-LSSVM的預(yù)測(cè)模型，針對(duì)遼寧某地區(qū)的負(fù)荷進(jìn)行預(yù)測(cè)，并對(duì)比各模型的預(yù)測(cè)結(jié)果，結(jié)合影響負(fù)荷預(yù)測(cè)的因素進(jìn)行分析并得出結(jié)論，預(yù)測(cè)結(jié)果驗(yàn)證了本