来源：期刊VIP网 时间：
作者：解世璇;刘立群;吴青峰;
单位：太原科技大学电子信息工程学院;
摘要：为提升电力系统短期负荷预测的准确率，保证日常电力系统的正常运行，提出一种基于WOA-VMD-SSALSSVM的短期电力负荷预测模型。首先，使用鲸鱼优化算法（WOA）对变分模态分解（VMD）的核心参数（k值和惩罚系数α）进行自动寻优，得到最佳效果的分解子序列，减少不同趋势信息对预测精度的影响，并利用优化后的VMD对数据进行分解；然后，使用麻雀搜索算法（SSA）改进最小二乘支持向量机（LSSVM）的模型学习参数，对惩罚系数和核函数进行参数寻优，避免了单一预测变量精度不高的问题，进而建立预测模型，获得更为精确的预测结果；最后，将分解后的各组数据分别输入模型中，并将每个子序列的预测结果相加得到最终预测结果。实验结果表明，与PSO、GWO和SABO算法的建模结果相比，所提模型具有更高的预测精度且耗时较短，在一定程度上可为负荷管理、电力优化调度提供科学决策依据。
关键词：预测模型分析;;鲸鱼优化算法;;麻雀搜索算法;;变分模态分解;;最小二乘支持向量机;;数据预处理;;时间序列预测
基金资助：国家自然科学基金青年科学基金项目（61703297）;; 山西省基础研究计划项目（202203021221153）
