RVM with wavelet kernel combined with PSO for short-term load forecasting in electric power systems

This paper presents a new hybrid method for the short-term load forecasting in electric power systems based on particle swarm optimization (PSO) and relevance vector machine (RVM). In this method, we firstly develop a type of kernel as the kernel function of the RVM model, and then its parameter is optimized by the PSO, finally the established RVM forecast mode is applied to short-term load forecasting in electric power systems in a city. The simulation results show the parameter of the wavelet kernel is well optimized using the PSO, and the acquired RVM model is more sparse and can obtain higher forecast accuracy compared with the RVM model with Gaussian kernel, so the proposed method is effective for forecasting the short-term load in electric power systems. Streszczenie. W artykule zaprezentowano nową hybrydową metode krótkoterminowego prognozowania obciążeń sieci energetycznej bazująca na algorytmie mrówkowym PSO i narzędzia RVM (relevance vector machine). W pierwszym etapie wyznaczane jest falkowe jądro (kernel) jako RVM co znacznie poprawia skuteczność algorytmu PSO. (Hybrydowe połączenie funkcji PSO i RVM jako narzędzie do krótkoterminowego prognozowania obciążenia sieci energetycznej)