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
1. 江西水利电力大学,江西 南昌 330099;2. 国网江西省电力有限公司电力经济技术研究院,江西 南昌 330096
2026-01-21
浏览量:
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-LSS- VR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。