Indexed by：
Abstract：
针对支持向量机（ SVM）内部参数优化和输入量大、时间长效率低和相似日选取的问题，提出一种模糊组合权重下相似日选取的蝙蝠算法（ BA）优化的支持向量机（ SVM）短期负荷预测模型。相似日的选取上主要利用熵权法和加权欧氏距离的k-均值算法对影响负荷变化的因素、负荷各时刻的变化特性进行区别对待，求取二者在相似日下集合的交集，从而得到与待预测日相似度高的相似日。同时，利用BA优化后的SVM进行负荷预测，提高内部参数的选取精度和效率。将该模型与常用的PSO-SVM、GA-SVM进行比较，证明了该模型能有效提高预测精度和计算效率。
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
南昌大学学报（工科版）
ISSN： 1006-0456
CN： 36-1194/T
Year： 2015
Issue： 3
Page： 300-306
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 6
Affiliated Colleges：
