基于改進支持向量機的短期電力負(fù)荷預(yù)測研究.pdf

1、有效準(zhǔn)確的電力負(fù)荷預(yù)測既是使電網(wǎng)安全、經(jīng)濟運行的有力保障，也為切實解決人民群眾最關(guān)心、最直接、最現(xiàn)實的用電問題提供了先決服務(wù)。因此，對該領(lǐng)域的研究一直是學(xué)術(shù)界的熱點問題。
　　 支持向量機(Support Vector Machine，簡稱SVM)是一種新興的學(xué)習(xí)機器，具有較為完備的理論基礎(chǔ)和較好的學(xué)習(xí)性能，成功解決了神經(jīng)網(wǎng)絡(luò)難以克服的諸多問題，被稱為神經(jīng)網(wǎng)絡(luò)的替代算法。因此，本論文將其引入到電力系統(tǒng)的短期負(fù)荷預(yù)測中來。在研究中

2、本文發(fā)現(xiàn)，負(fù)荷預(yù)測的影響因素有很多，有些因素是可以在特定情況下被去除的。在進行預(yù)測時，如果不對眾多因素（屬性）進行處理，勢必會提高預(yù)測模型的復(fù)雜程度并影響其實現(xiàn)效果，從而導(dǎo)致預(yù)測失準(zhǔn)等問題。若僅憑經(jīng)驗來對各屬性進行約減與提取，則又會因為缺乏依據(jù)，導(dǎo)致一些有用的信息被去除，同樣會致使預(yù)測失準(zhǔn)。
　　 針對上述問題，本文進行了進一步研究。首先，采用粗糙集的有關(guān)理論與方法，對基于支持向量機的電力負(fù)荷預(yù)測技術(shù)進行改進，通過屬性約減與特征