摘要：在基于支持向量机（SVM）的电力系统中期负荷预测的基础上，针对SVM参数难以确定的问题，在引进微分进化（DE）算法优化SVM参数的基础上，为了减少DE的寻优时间，提高全局搜索能力，用基于学习样本集噪声估计的方法确定SVM参数的范围作为DE的寻优范围，以指导DE寻优。同时，引进自适应算子，采用参数自适应DE（ADE）算法选择SVM参数。由于影响负荷的气温因素是模糊的，利用隶属度函数对气温因素进行模糊化处理，进一步提高了预测精度。将上述方法用于欧洲智能技术网络（EUNITE）竞赛数据的中期电力负荷预测，结果表明，该方法能够准确预测负荷变化，且比其他算法具有更高的预测精度，为电力系统负荷预测提供了重要手段。

关键词：中期负荷预测 支持向量机 微分进化算法 自适应 模糊理论 

单位：华北电力大学自动化系 河北保定071003