混沌优化PSO-LSSVM算法的短期负荷预测

• 作 者: 郝晓弘 刘鹏娟 汪宁渤
• 机 构: 兰州理工大学电气工程与信息工程学院,甘肃省电力科学研究院
• 出 处: 兰州理工大学学报
• 发表日期: 2019年1期
• 关键词: 智能配电网 负荷预测 短期 混沌算法 粒子群算法 最小二乘支持向量机 intelligent power distribution networkload fo
• 基金项目: 国家自然科学基金(61540033),高比例风光电集中接入弱电网的暂态稳定控制关键技术研究项目(SGTYHT/15-JS-191).

高渗透率随机性、间歇性分布式电源的大量接入,给传统配电系统的安全、经济和可靠运行带来了一系列的问题,使得传统的负荷预测方法已不再适用.针对这一问题,提出了利用混沌优化粒子群最小二乘支持向量机(PSO-LSSVM)的算法实现对短期电力系统负荷的精确预测.利用粒子群(PSO)算法的全局搜索能力和混沌算法随机、遍历的特性,使其分别克服选参时的盲目性和寻优时粒子群(PSO)算法易出现早熟而陷入局部最优的缺点.最后在Matlab2014a软件平台上验证了混沌优化PSO-LSSVM算法的有效性和收敛性.