【预测模型】基于改进粒子群优化最小二乘支持向量机lssvm求解短期电力负荷预测matlab源码.zip

电力负荷预测理论MATLAB;电力负荷预测理论MATLAB;电力负荷预测理论MATLAB;电力负荷预测理论MATLAB;电力负荷预测理论MATLAB;电力负荷预测理论MATLAB.

基于VC 与MATLAB的电力负荷预测.pdf

MATLAB软件在电力负荷预测中的应用.pdf

Matlab遗传算法优化BP网络-小波神经网络电力负荷预测.zip 新人发帖，请多支持:handshake 所含文件： Figure39.jpg bppfault.m运行结果： Figure40.jpg

为提高短期负荷预测精度，提出一种基于自适应噪声的完全集合经验模态分解(CEEMDAN)-样本熵 (SE)和深度信念网络(DBN)的短期负荷组合预测模型。首先利用CEEMDAN-样本熵将原始负荷序列分解为 多个特征互异的子序列，计算各子序列的样本熵，将熵值相近的子序列重组得到新序列，降低了原始非平稳序列对预测精度造成的影响并减小计算规模；随后综合考虑各新序列的周期特性和影响因素对每个新序列分别构建不同的DBN 预测模型，利用DBN 克服了浅层神经网络特征提取不充分及初始参数难确定的问题；最后将预测结果叠加得到最终预测值。仿真结果表明，该组合预测模型的平均绝对百分比误差和均方根误差分别为1.18%和87.91 MW，相比于BP、DBN、EMD-DBN 负荷预测模型具有更高的预测精度。

针对电力负荷的小样本、非线性、高维数和局部极小点等问题,提出采用最小二乘支持向量机方法建模,以历史负荷、温度、湿度等数据作为输入量,对短期电力负荷进行预测;针对最小二乘支持向量机在建模中存在的参数选取问题,采用一种根据种群多样性信息来指导初始种群选取和避免粒子早熟收敛现象的改进粒子群优化算法来优化最小二乘支持向量机的惩罚因子和核参数。仿真结果表明,基于改进粒子群优化算法和最小二乘支持向量机的短期电力负荷预测方法较最小二乘支持向量机预测方法、基于基本粒子群优化算法和最小二乘向量机的预测方法具有更好的预测精确度。

电气负荷预测：2012年全球能源预测大赛电力负荷预测数据集.rar

电力系统负荷及价格预测专业MATLAB程序

短期电力负荷预测，支持向量机结合粒子群算法进行短期电力负荷预测的实例