基于沙猫群优化算法的融合各向异性核最小二乘支持向量回归模型的超短期负荷预测

陈可锐; 张毓华; 禹海雄; 戴奇奇

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于沙猫群优化算法的融合各向异性核最小二乘支持向量回归模型的超短期负荷预测

更新时间：2026-01-12

- 基于沙猫群优化算法的融合各向异性核最小二乘支持向量回归模型的超短期负荷预测
- Vol. 49, Issue 6, Pages: 57-61(2025)
- 作者机构：
  
  1. 江西水利电力大学
  2. 国网江西省电力有限公司电力经济技术研究院
- 作者简介：
- 基金信息：
- DOI：
  CLC： TP18;TM715
- Published：2025
- 稿件说明：
移动端阅览
陈可锐, 张毓华, 禹海雄, et al. 基于沙猫群优化算法的融合各向异性核最小二乘支持向量回归模型的超短期负荷预测[J]. 2025, 49(6): 57-61.
DOI：

陈可锐, 张毓华, 禹海雄, et al. 基于沙猫群优化算法的融合各向异性核最小二乘支持向量回归模型的超短期负荷预测[J]. 2025, 49(6): 57-61. DOI：

摘要

随着电力系统规模扩张与复杂度攀升，精准的超短期电力负荷预测对系统稳定运行和经济调度的重要性日益凸显。针对基于径向基函数（RBF）核最小二乘支持向量回归（LSSVR）模型的局限，文中创新性提出融合各向异性RBF核的LSSVR模型（ARBF-LSSVR），并引入沙猫群优化算法（SCSO）进行参数寻优，构建SCSO-ARBF-LSSVR模型。基于江西省2024年9月两个行业的96点数据集，对所提出模型的有效性展开验证。实证结果显示：在1步、3步负荷预测中，SCSO-ARBF-LSSVR模型的预测表现均显著优于其他基准模型。这一结果充分说明SCSO-ARBF-LSSVR模型优异的预测能力与良好的应用前景，为电力系统的高效运行与科学规划提供强有力的技术支撑。

Abstract

关键词

Keywords

references

肖立业.智能电网的关键技术及发展方向[J].电气时代,2016(01).

杨海柱,石剑,江昭阳,张鹏.基于CEEMD-SSA-LSSVM短期电力负荷预测模型[J].武汉大学学报(工学版),2022(06).

鲁英达,张菁.基于改进猎人猎物算法的VMD-KELM短期负荷预测[J].电气工程学报,2023(04).

张异殊,李宜伦,姚志远,陈蕾宇.基于VMD-GWO-SVR的短期电力负荷预测方法[J].东北电力技术,2024(07).

韩明冲,韩杰,姜超,苏本勇,韩冰.基于WOA-AM-GRU的短期电力负荷预测方法的研究[J].山东电力技术,2024(12).

赵宇庆,腾志军.基于Spearman-IPSO-LSSVM的短期电力负荷预测方法研究[J].电气自动化,2025(01).

钟燕,王军,宋戈,吴波,王涛.基于二次重构分解去噪及双向长短时记忆网络的极端天气下超短期电力负荷预测[J].电网技术,2025(11).

庞丹萍,宫召华.基于改进最小二乘支持向量机的短期电力负荷预测[J].电工技术,2025(12).

王铭超.基于VMD-BES-LSSVM模型的短期电力负荷预测研究[J].电工技术,2025(06).

李裕民,李宏杰,李晓嘉,曹媛媛,谢毅,张超.基于PowerTimeMixer模型的短期电力负荷预测方法[J].电网技术,2025(10).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

大数据技术赋能电力系统的研究与应用

昌吉赣铁路对吉安电网建设及城市发展的影响研究

一种基于TCN的电动汽车充电负荷预测组合模型

Related Author

张帆

曹林锋

杨德胜

胡晟

孔强

连勇

章涛

薄明明

Related Institution

国网江西省电力有限公司

国网江西省电力有限公司经济技术研究院

国网江西省电力有限公司信息通信分公司

江西师范大学数字产业学院

AI问答

⁰