雜草算法優化支持向量機的短期負荷預測

孫志能，董建達，范良忠

（1.國網浙江省電力公司寧波供電公司，浙江寧波 315016；2.浙江大學寧波理工學院，浙江寧波 315100）

雜草算法優化支持向量機的短期負荷預測

孫志能1，董建達1，范良忠2

（1.國網浙江省電力公司寧波供電公司，浙江寧波 315016；2.浙江大學寧波理工學院，浙江寧波 315100）

針對支持向量機在短期負荷預測中的參數優化問題，利用雜草算法優異的搜索能力，構建了基于雜草算法優化支持向量機的短期負荷混沌預測模型（IWO-SVM）。該模型首先將支持向量機一組參數看作一個雜草種子，然后通過模擬雜草生存、繁殖過程實現支持向量機參數尋優，最后采用具體短期負荷數據對其性能進行分析。結果表明，IWO-SVM獲得了高精度的短期負荷預測結果，能夠滿足短期負荷預測的實際要求。

短期負荷預測；雜草算法；混沌理論；支持向量機

隨著信息技術在電力系統應用中的不斷深入，積累了大量負荷歷史數據。如何對這些歷史數據進行深度挖掘，發現短期負荷的變化特點，具有十分重要的意義。短期負荷預測是電力管理部門的一項重要工作，短期負荷的建模與預測可以從歷史數據中發現重要規律，預測結果可以合理啟停機組、降低發電成本，因此短期負荷預測一直是電力系統中的研究熱點[1]。

短期負荷預測模型可以劃分兩類：線性模型和非線性模型[2]。線性模型屬于傳統模型，主要有：線性回歸、指數平滑等[3-4]，根據歷史數據對短期負荷預測模型的參數進行估計，建模速度快。……