典型文献
基于层次聚类算法与ISA-LSSVM的短期负荷预测研究
文献摘要：
针对不同类型用户的短期负荷预测,目前应用较为广泛的为支持向量机与深度学习模型.针对最小二乘支持向量机(least squares support vector machine,LSSVM)模型中超参数难以确定、模型对数据质量要求较高等问题,而集成常规优化算法又会有寻优速度慢、易陷入局部最优等问题,提出了一种混合模型.首先使用层次聚类(hierarchical clustering,HC)对原始特征数据进行聚类进而为同一类预测日建立对应LSSVM模型,再通过改进的模拟退火算法(improved simulate anneal,ISA)对LSSVM中的超参数进行启发式搜索.最后通过对广东省佛山市某行业用户用电负荷进行负荷预测,与各种负荷预测模型性能进行对比,结果证明所提模型可有效提高负荷预测精度、缩短预测时间.
文献关键词：
短期负荷预测;层次聚类;LSSVM;改进模拟退火
中图分类号：
作者姓名：
郑乐;徐青山;冯小峰
作者机构：
东南大学 网络空间安全学院,南京 210096;东南大学 电气工程学院,南京210096;广东电网有限责任公司计量中心,广州 518049
文献出处：
引用格式：
[1]郑乐;徐青山;冯小峰-.基于层次聚类算法与ISA-LSSVM的短期负荷预测研究)[J].电力需求侧管理,2022(05):51-57
A类：
B类：
层次聚类算法,ISA,LSSVM,短期负荷预测,预测研究,深度学习模型,最小二乘支持向量机,least,squares,support,vector,machine,中超,超参数,难以确定,数据质量,质量要求,又会有,速度慢,局部最优,优等,混合模型,hierarchical,clustering,HC,特征数据,模拟退火算法,improved,simulate,anneal,启发式搜索,佛山市,某行,行业用户,户用,用电负荷,负荷预测模型,模型性能,高负荷,改进模拟退火
AB值：
0.429747
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
