基于PSO-LSSVM算法的造纸过程短期电力负荷预测模型-中国期刊网

摘要对造纸厂的用电负荷进行预测有利于对生产调度进行合理安排,从而降低能耗。本课题提出了一种粒子群优化算法(PSO)和最小二乘支持向量机(LSSVM)相结合(PSO-LSSVM)的短期电力负荷预测方法,该方法可对造纸厂未来每30min的电力负荷进行预测。结果表明,采用PSO-LSSVM算法对短期电力负荷进行预测时,预测结果的相对百分误差绝对值的平均值约为0.75%,精度高于其他行业的电力负荷预测值,模型具有良好的可行性和有效性。

1周学君;陈丁;唐轶. 土体残余强度的PSO-LSSVM模型.基础数学,2017-01.
2蒙怡帆杨镓华. 基于电力系统短期负荷预测的模型.电力系统及自动化,2017-09.
3张昌庆,陈珍,吴燕飞,姜雪娇. 基于KGWO-DBiLSTM算法的电力系统短期负荷预测.产业经济,2023-11.
4张磊,盛刚. 短期电力负荷大数据预测模型分析.建筑技术科学,2023-08.
5张海彪1郭松林2王光辉3. 短期电力负荷预测及其算法优化张海彪.电力系统及自动化,2019-05.
6钟杉1,朱希安1,王占刚1,刘德民2. 基于混合PSO算法的煤层底板突水量预测模型研究.建筑技术科学,2021-12.
7闫敬楠. 基于电气工程的短期电力负荷预测模型研究与优化.建筑理论,2024-10.
8陈昊;王玉荣;杨振宇. 基于机制转换非线性模型的短期负荷预测.电力系统及自动化,2010-02.
9全思平;吴浩. 基于数据挖掘技术的短期电力负荷预测.电力系统及自动化,2014-03.
10李珊田沛. 基于时间序列方法的短期电力负荷预测.文化科学,2016-08.

基于PSO-LSSVM算法的造纸过程短期电力负荷预测模型

来源期刊

相关推荐

同分类资源更多

相关关键词

基于PSO-LSSVM算法的造纸过程短期电力负荷预测模型

来源期刊

相关推荐

同分类资源 更多

相关关键词

同分类资源更多