作者：杨波som模糊聚类法db4小波母线负荷预测
摘要：针对大型冶金企业专用母线负荷种类多、分布不均、规律性弱等特点，利用自组织特征映射神经网络（self-organizingfeaturemap,SOM）对模糊聚类法进行改进，以选择待预测日的相似日，通过db4小波对相似日负荷数据进行分解、去噪和重构处理后作为后期预测模型的训练样本；采用混沌粒子群算法(chaosparticleswarmoptimization,CPSO)对最小二乘支持向量机(leastsquaresupportvectormachine,LSSVM)算法的惩罚参数和核函数覆盖宽度进行优化，构造了基于CPSO和LSSVM的母线负荷预测模型。仿真结果表明：该负荷预测模型，将预测结果的相对误差降低到1.998%，预测精度达到了97%，提高了专用母线负荷预测准确性。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
