基于小波分析和支持向量機的電力短期負荷預測.pdf

1、電力系統(tǒng)短期負荷預測是電力系統(tǒng)安全和經(jīng)濟運行的重要依據(jù)。價格競爭機制引入電力系統(tǒng)形成電力市場后，對短期負荷預測的精度和速度提出了更高的要求。雖然負荷預測的研究己有幾十年歷史，有很多負荷預測的理論和方法，但是隨著新理論和新技術的發(fā)展，對負荷預測新方法的研究仍在不斷地深入進行。支持向量機作為數(shù)據(jù)挖掘的一項新技術，應用于模式識別和處理回歸問題等諸多領域。小波分析理論在時間頻域分析方面有獨特的優(yōu)勢。針對短期負荷預測的各種影響因素的非線性特性，結

2、合小波分析和支持向量機各自的優(yōu)勢，本文提出基于小波分析和支持向量機的電力系統(tǒng)短期負荷預測新方法，以提高預測精度和時效性，具有重要的理論意義和實用價值。
　　 本文介紹了支持向量機的基本原理，分析了支持向量機所具有非線性擬合、泛化能力強、訓練收斂速度快等顯著特點。針對電力系統(tǒng)負荷與各種影響因素之間的非線性關系，建立了基于支持向量機的短期負荷預測模型，并與神經(jīng)網(wǎng)絡方法作了實例分析比較，印證了支持向量機在負荷預測方面的優(yōu)越性。

3、　　 由于影響負荷的因素繁多且復雜，若對輸入不加適當選擇處理會導致預測精度降低，訓練時間增加。本文采用小波分析這種有效的時間負荷序列分析技術，將歷史負荷序列分為幾個頻率不同的更具有可預測性的序列，強化了歷史數(shù)據(jù)規(guī)律。在基于支持向量機負荷預測的基礎上，對樣本負荷序列進行頻域分解，建造負荷預測的支持向量機模型。實例分析驗證了基于小波分析和支持向量機的負荷預測方法能夠有效的提高負荷預測的精度。
　　 本文在VC++6.0的基礎上，利