隨著電力體制改革的不斷推進,用電量需求預測在電力行業(yè)的重要程度越來越高,預測結果越精確越有利于相關企業(yè)對資金作出合理的配置,積極有效地應對電力現貨市場�；赗FE選擇較高質量的特征值作為預測模型的輸入,得到了較好的預測結果。進一步通過PSO算法對SVR模型參數進行擇優(yōu)選擇,更進一步提高預測精度。通過兩模型之間的對比分析,PSO-SVR模型能夠更好地擬合實際用電量需求的走勢,尤其是在用電量需求波動較大的月份。 

【文章來源】：計算機應用研究. 2020,37(S1)北大核心CSCD

【文章頁數】：3 頁

【參考文獻】：
期刊論文
[1]基于隨機森林——遞歸特征消除的道路交通事故成因分析[J]. 黃衛(wèi)衛(wèi).  電腦知識與技術. 2018(14)
[2]2017～2018年度全國電力供需形勢分析預測報告[J].   電器工業(yè). 2018(02)
[3]電力企業(yè)售電量預測比較分析[J]. 高迪.  海峽科技與產業(yè). 2017(06)
[4]改進最小二乘支持向量機電量預測算法[J]. 楊柳,吳延琳,張超,劉超,蔣勃,張鵬.  電網與清潔能源. 2017(03)
[5]基于大數據及智能算法的連云港電量負荷預測研究[J]. 張魁,王亞明,劉明,伏祥運,李紅.  江蘇電機工程. 2016(03)
[6]人工蜂群算法優(yōu)化SVR的預測模型[J]. 高雷阜,高晶,趙世杰.  計算機工程與應用. 2016(11)
[7]電力負荷時間序列預測的應用與研究[J]. 李艷紅,雷金輝.  科學技術與工程. 2011(04)



本文編號：3431056