基于改进蚁群算法优化参数的LSSVM短期负荷预测龙文.pdf

第 42 卷第 11 期 中南大学学报( 自然科学版) Vol.42 No.11 2011 年 11 月 Journal of Central South University (Science and Technology) Nov. 2011 基于改进蚁群算法优化参数的LSSVM 短期负荷预测 1, 2 2 3 2 龙文 ，梁昔明 ，龙祖强 ，李朝辉 (1. 贵州财经学院 贵州省经济系统仿真重点实验室，贵州 贵阳，550004； 2. 中南大学 信息科学与工程学院，湖南 长沙，410083； 3. 衡阳师范学院 物理与电子信息科学系，湖南 衡阳，421008) 摘要：提出一种自动优选最小二乘支持向量机(LSSVM)模型参数的改进蚁群(MACO)算法。该算法将 LSSVM 模 型的参数作为蚂蚁的位置向量，然后采用动态随机抽取的方法来确定目标个体引导蚁群进行全局有哪些信誉好的足球投注网站，同时在最 优蚂蚁邻域内进行小步长局部有哪些信誉好的足球投注网站，找到模型的最优参数，得到基于 MACO 算法优化的 LSSVM(MACO−LSSVM) 预测模型。将优化后的 LSSVM 模型应用于短期电力负荷预测问题，选择湖南某地区日期为 2009−08−01 至 2009−08−30 各小时点的数据进行分析，对 2009−08−31 该日 24 h 的负荷进行预测，并与BP 神经网络和 SVM 模 型进行比较。研究结果表明: 本文方法得到的均方根相对误差为 1.71%，比用BP 神经网络和 SVM 模型得到的均 方根相对误差分别低 1.61%和 1.05%。 关键词：最小二乘支持向量机；蚁群优化算法；参数优化；短期负荷预测 中图分类号：TP273 文献标志码：A 文章编号：1672−7207(2011)11−3408−07 Parameters selection for LSSVM based on modified ant colony optimization in short-term load forecasting 1,2 2 3 2 LONG Wen , LIANG Xi-ming , LONG Zu-qiang , LI Zhao-hui (1. Guizhou Key Laboratory of Economics System Simulation, Guizhou College of Finance and Economics, Guiyang 550004, China; 2. School of Information Science and Engineering, Central South University, Changsha 410083, China; 3. Department of Physics and Electronic Information Science, Hengyang Normal College, Hengyang 421008, China) Abstract: An optimization method based on the modi