隨著電力體制改革的不斷推進(jìn),用電量需求預(yù)測在電力行業(yè)的重要程度越來越高,預(yù)測結(jié)果越精確越有利于相關(guān)企業(yè)對資金作出合理的配置,積極有效地應(yīng)對電力現(xiàn)貨市場。基于RFE選擇較高質(zhì)量的特征值作為預(yù)測模型的輸入,得到了較好的預(yù)測結(jié)果。進(jìn)一步通過PSO算法對SVR模型參數(shù)進(jìn)行擇優(yōu)選擇,更進(jìn)一步提高預(yù)測精度。通過兩模型之間的對比分析,PSO-SVR模型能夠更好地?cái)M合實(shí)際用電量需求的走勢,尤其是在用電量需求波動(dòng)較大的月份。 

【文章來源】：計(jì)算機(jī)應(yīng)用研究. 2020,37(S1)北大核心CSCD

【文章頁數(shù)】：3 頁

【參考文獻(xiàn)】：
期刊論文
[1]基于隨機(jī)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(shí)與技術(shù). 2018(14)
[2]2017～2018年度全國電力供需形勢分析預(yù)測報(bào)告[J].   電器工業(yè). 2018(02)
[3]電力企業(yè)售電量預(yù)測比較分析[J]. 高迪.  海峽科技與產(chǎn)業(yè). 2017(06)
[4]改進(jìn)最小二乘支持向量機(jī)電量預(yù)測算法[J]. 楊柳,吳延琳,張超,劉超,蔣勃,張鵬.  電網(wǎng)與清潔能源. 2017(03)
[5]基于大數(shù)據(jù)及智能算法的連云港電量負(fù)荷預(yù)測研究[J]. 張魁,王亞明,劉明,伏祥運(yùn),李紅.  江蘇電機(jī)工程. 2016(03)
[6]人工蜂群算法優(yōu)化SVR的預(yù)測模型[J]. 高雷阜,高晶,趙世杰.  計(jì)算機(jī)工程與應(yīng)用. 2016(11)
[7]電力負(fù)荷時(shí)間序列預(yù)測的應(yīng)用與研究[J]. 李艷紅,雷金輝.  科學(xué)技術(shù)與工程. 2011(04)



本文編號(hào)：3431056