基于支持向量回歸與遺傳算法的電力系統(tǒng)短期負荷預(yù)測.pdf

1、短期負荷預(yù)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)量的負荷預(yù)測顯得越來越重要和迫切。支持向量機是一類新型的機器學(xué)習(xí)方法，具有求解速度快、泛化能力強等優(yōu)點，逐步成為繼神經(jīng)網(wǎng)絡(luò)之后新的研究熱點。本論文將支持向量回歸引入電力系統(tǒng)短期負荷預(yù)測，以期提高負荷預(yù)測的準(zhǔn)確性。 針對支持向量回歸應(yīng)用于電力系統(tǒng)短期負荷預(yù)測，本文展開了幾個方面的研究工作。 1.根據(jù)阜陽地區(qū)的歷史負荷數(shù)據(jù)和氣象數(shù)據(jù)，分析影響短期負荷預(yù)測的各

2、種因素，總結(jié)負荷變化的規(guī)律性，并對歷史負荷數(shù)據(jù)進行歸一化處理，為負荷預(yù)測提供有效的樣本。 2.總結(jié)歸納短期負荷預(yù)測的基本理論和預(yù)測方法，使用傳統(tǒng)支持向量回歸的方法進行短期負荷預(yù)測。結(jié)果發(fā)現(xiàn)，與神經(jīng)網(wǎng)絡(luò)方法相比，支持向量回歸模型具有較好的預(yù)測精度，但參數(shù)的選擇費力、耗時、盲目，且無法實現(xiàn)參數(shù)的自動選擇，同時輸入變量也無法進行有效選擇。 3.針對模型無法進行參數(shù)和變量最優(yōu)化的問題，引入遺傳算法對支持向量回歸的輸入變量和參數(shù)進