高滲透率隨機性、間歇性分布式電源的大量接入,給傳統(tǒng)配電系統(tǒng)的安全、經(jīng)濟和可靠運行帶來了一系列的問題,使得傳統(tǒng)的負荷預測方法已不再適用.針對這一問題,提出了利用混沌優(yōu)化粒子群最小二乘支持向量機（PSO-LSSVM）的算法實現(xiàn)對短期電力系統(tǒng)負荷的精確預測.利用粒子群（PSO）算法的全局搜索能力和混沌算法隨機、遍歷的特性,使其分別克服選參時的盲目性和尋優(yōu)時粒子群（PSO）算法易出現(xiàn)早熟而陷入局部最優(yōu)的缺點.最后在Matlab2014a軟件平臺上驗證了混沌優(yōu)化PSO-LSSVM算法的有效性和收斂性. 

【文章來源】：蘭州理工大學學報. 2019,45(01)北大核心

【文章頁數(shù)】：6 頁

【文章目錄】：
1 電力負荷預測模型的建立
    1.1 短期負荷預測模型
        1) 典型負荷
        2) 天氣因素
        3) 日期類型
        4) 特殊事件
    1.2 輸入?yún)?shù)變量的選擇
    1.3 對歷史數(shù)據(jù)的處理
        1) 負荷數(shù)據(jù)的歸一化
        2) 日期類型的劃分與歸一化
        3) 天氣情況
    1.4 核函數(shù)的選擇
    1.5 誤差評價指標
2 電力系統(tǒng)負荷預測的最優(yōu)化
    2.1 最小二乘支持向量機 (LSSVM) 原理
    2.2 混沌優(yōu)化PSO-LSSVM原理
        2.2.1 粒子群 (PSO) 算法的優(yōu)化原理
        2.2.2 混沌優(yōu)化過程
        2.2.3 混沌優(yōu)化粒子群最小二乘支持向量機
    2.3 負荷預測優(yōu)化流程圖
3 仿真案例
    3.1 混沌優(yōu)化PSO-LSSVM
    3.2 性能評價
4 結論


【參考文獻】：
期刊論文
[1]基于PSO優(yōu)化參數(shù)的最小二乘支持向量機短期負荷預測[J]. 吳文江,陳其工,高文根.  重慶理工大學學報(自然科學). 2016(03)
[2]智能配電網(wǎng)體系探討[J]. 李勛,龔慶武,胡元潮,楊群瑛,梁文騰.  電力自動化設備. 2011(08)
[3]電力系統(tǒng)短期負荷預測方法綜述[J]. 廖旎煥,胡智宏,馬瑩瑩,盧王允.  電力系統(tǒng)保護與控制. 2011(01)
[4]智能電網(wǎng)述評[J]. 余貽鑫,欒文鵬.  中國電機工程學報. 2009(34)
[5]短期負荷預測中SVM參數(shù)選取的混沌優(yōu)化方法[J]. 霍明,羅滇生,何井龍.  電力系統(tǒng)及其自動化學報. 2009(05)
[6]基于混沌遺傳算法的主汽溫系統(tǒng)RBF-PID控制[J]. 王爽心,楊輝,張秀霞.  中國電機工程學報. 2008(23)

碩士論文
[1]智能配電網(wǎng)的短期負荷預測研究[D]. 李林容.蘭州理工大學 2012



本文編號：3477765