基于支持向量機的電力短期負荷預測研究.pdf

1、短期負荷預測是電力系統(tǒng)安全經(jīng)濟運行的前提，隨著電力系統(tǒng)的市場化，高質(zhì)量的短期負荷預測越來越顯得重要和迫切。支持向量機是一類新型的機器學習方法，具有求解速度快、泛化能力強等優(yōu)點。本文針對支持向量機應用于電力系統(tǒng)短期負荷預測展開幾個方面的研究工作。 支持向量機的參數(shù)選擇對模型的性能影響很大，目前支持向量機的參數(shù)選擇尚缺乏公認有效的結(jié)構(gòu)化方法，參數(shù)選取依靠交叉驗證得到。粒子群算法是一種計算快速、算法本身易于實現(xiàn)的群體智能算法。本文提出

2、了粒子群算法與支持向量機相結(jié)合的混和算法，以測試集誤差作為判決依據(jù)，實現(xiàn)了支持向量機參數(shù)的優(yōu)化選擇，并建立了相應的預測模型。 根據(jù)華中電網(wǎng)鄭州地區(qū)的歷史負荷數(shù)據(jù)和氣象數(shù)據(jù)，本文分析影響預測的各種因素，總結(jié)了負荷變化的規(guī)律性，并利用統(tǒng)計學的方法，對歷史負荷數(shù)據(jù)中的“異常數(shù)據(jù)”進行修正，對負荷預測中要考慮的相關(guān)因素進行了規(guī)范化處理，同時引入不同日之間特征量的“相似度”的概念，選取相似日訓練樣本。 基于具有相似特性的工作日，其

3、負荷曲線非常接近這一特點，本文提出了利用支持向量機預測下一日負荷相對于選定相似日負荷的變化量，將該預測值與相似日負荷相加求得負荷基本項的預測模型。由于支持向量機對氣象信息的敏感性差，而模糊邏輯能充分利用專家的經(jīng)驗知識處理不確定信息，本文通過建立模糊規(guī)則庫處理氣象信息與負荷變化之間難于精確表達的影響關(guān)系，預測受氣象因素影響的負荷隨機項，并對支持向量機預測得到的基本負荷進行修正，兩者結(jié)合得到最終的負荷預測結(jié)果。 節(jié)假日負荷預測是負荷