基于蚁群支持向量机的短期负荷预测.pdfVIP

第 37 卷 第 4 期 电力系统保护与控制 Vol.37 No.4 2009 年2 月 16 日 Power System Protection and Control Feb.16, 2009 基于蚁群支持向量机的短期负荷预测 1 1 2 1 魏 俊 ，周步祥 ，林 楠 ，邢 义 （1.四川大学电气信息学院，四川 成都 610065 ； ２.四川电力职业技术学院，四川 成都 610072 ） 摘要：支持向量机(SVM)是一种在统计学习理论基础之上发展起来的针对小样本数据且具有优良推广性能的机器学习方法。 阐述了 SVM 的基本原理及特性，并采用一种新的适用于连续问题的蚁群优化算法（MG-CACO ）对SVM 核函数的参数进行 了优化。同时介绍了基于 MG-CACO 算法的支持向量机技术的设计思想和特点。并对一实际电网的短期负荷预测进行了实 例研究，其结果验证了基于 MG-CACO 算法的支持向量机预测方法提高了预测精度，此方法在短期负荷预测中的可行性和 有效性。 关键词: 支持向量机；连续蚁群算法；参数优化；短期负荷预测 Short-term load forecasting based on MG-CACO and SVM method 1 1 2 1 WEI Jun , ZHOU Bu-xiang , LIN Nan , XING Yi （1.Sichuan University,Chengdu 610065,China; 2.Sichuan Electric Power College, Chengdu 610072,China ） Abstract: Support Vector Machine (SVM) as a machine learning method is based on solid theory foundation of Statistical Learning Theory and focuses on small samples.It has good generalization and has received good applications.The theory and characteristics of SVM are expatiated,a new continuous ant colony optimization algorithm called MG-CACO is used to optimize the kernel parameter of SVM in this paper.The design idea and characteristics of MG-CACO and SVM are introduced .Then the application of SVM to a short-term load prediction of an actual power system is proposed. Forecasting results of calculation examples show the feasibility and effectiveness in the shor-term forecasting, and that the MG-CACO and SVM method improves the accuracy of prediction. Key words: support vector machine；continuous ant colony optimization algorithm；parameter optimization ；short-term load forecasting 中图分类号： TM7