科创中国

新材料技术

本发明公开了一种基于优化最小二乘支持向量机的电力负荷预测方法。本发明应用精英中心人工蜂群算法来优化设计最小二乘支持向量机的训练参数，然后利用优化的最小二乘支持向量机来构建电力负荷的预测模型。在精英中心人工蜂群算法中，先计算优质蜜源集合中每个蜜源的分配权重，然后生成精英中心蜜源，并利用精英中心蜜源来引导演化操作的搜索方向，以此提高算法的收敛速度。本发明能够提高电力负荷预测的精度。 组合预测方法将传统基于模型的方法与人工智能方法有机组合，分别吸收单一方法的优点达到提高电力负荷预测精度的目的。组合预测方法根据不同预测方法对预测结果的影响权重不同将多种方法进行综合，主要分为加权平均组合预测法与拟合度最佳组合预测法两类。组合预测法可以吸收各个预测模型的优点，有效提高预测精度。

电网年最大负荷预测是电力系统规划和经济运行的基础，对于确定电网中长期规 划、机组的启停运行和备用容量等均有密切关系。随着电力工业的不断发展，对负荷预测的 精度要求越来越高。负荷预测相关模型可以分为三类：经典预测模型、计量相关预测模型和 智能技术相关预测模型。经典预测模型计算简单，但预测误差相对较高；基于人工智能和计 量相关的预测方法计算过程相对复杂，含义不明晰，且都需要较大的数据样本，才能对事物 未来发展趋势进行科学合理的模拟和预测。考虑到年最大负荷数据有限，无法获取到大样 本数据，因此，如何根据小样本数据进行年最大负荷预测是负荷预测工作中需要解决的一 个关键问题。年最大负荷预测模型要能够充分利用有限的数据，得到具有满意预测精度的 结果，同时能够有效降低预测风险，这样才能相对准确地衡量年最大负荷未来的变化趋势。

MapStar 创新团队最初目地是为GIS专业本科生参加全国大学生软件开发竞赛培养人才，后来逐步与指导教师的研究方向相结合，在培养人才的基础上，围绕具体研究目标，充分利用团队的力量，开展GIS技术和应用创新探索。随着团队规模的扩大和影响力的增强，吸引了越来越多外专业学生加入了该团队，建成了一个面向本科生的开放包容的多学科集成创新平台。团队成员们一起学习，共同成长。

点击查看