基于IPSO-LSVM的短期负荷预测方法

来源：电工电能新技术杂志2020年第5期北京时间：

作者：程志友，丁柏宏， 余国晓

单位：1. 安徽大学电子信息工程学院， 安徽 合肥 230601;
\r\n2. 教育部电能质量研究中心， 安徽大学， 安徽 合肥 230601

摘要：传统基于支持向量机(SVM)的短期负荷预测模型存在着输入变量不易确定以及模型参数难以最优化的问题。针对这两个缺点，本文提出了一种基于IPSO-LSVM的短期负荷预测方法。首先引入LASSO回归筛选SVM预测模型中的滞后负荷，将筛选结果和其余影响因素作为SVM预测模型中的输入变量，建立LASSO与SVM的耦合模型（LSVM）；然后采用IPSO算法对LSVM预测模型中的参数进行优化，提高预测结果的准确性和稳定性；最后采用优化后的模型进行预测。算例分析表明，IPSO优化LSVM的方法能够有效提高短期负荷预测的精度。

关键词：SVM, 短期负荷预测, LASSO, 滞后负荷, LSVM, IPSO

基金资助：国家自然科学基金项目（61672032）、 安徽省科技重大专项(18030901018)