控制与决策

作者：高锋,邵雪焱

单位：北京大学 工学院,北京 100871;中国科学院 科技战略咨询研究院,北京 100190,,中国科学院 科技战略咨询研究院,北京 100190,

关键词：特征选择;改进的Jaya算法;最大相关最小冗余;支持向量回归;混合预测模型;电力消费预测

准确的电力消费预测对能源规划和政策制定具有重要意义.鉴于已有研究忽略了特征冗余以及智能优化算法控制参数不确定对预测精度的影响,引入最大相关最小冗余(MRMR)算法筛选电力消费的关键影响因素作为预测指标,提出改进的Jaya算法(iJaya)用于优化支持向量回归(SVR)的超参数,进而构建MRMR-iJaya-SVR预测模型.以我国的年度电力消费数据为例,对MRMR-iJaya-SVR模型的预测效果进行验证,并利用北京市的年度电力消费数据测试其鲁棒性.结果表明:iJaya算法具有较强的全局搜索能力和较好的稳定性,MRMR-iJaya- SVR模型在单步预测和多步预测中的表现均优于基准模型.此外,对于不同的数据集,MRMR-iJaya-SVR模型均具有良好的鲁棒性.

来源：2024年第3期

《控制与决策》期刊编辑部

查看控制与决策杂志2024年第3期