相空間重構(gòu)和支持向量機結(jié)合的短期電力負(fù)荷預(yù)測研究.pdf

1、近年來隨著社會經(jīng)濟的發(fā)展，幾乎所有的行業(yè)都對電力產(chǎn)生越來越旺盛的需求，在這個背景下對電網(wǎng)進行高精度的負(fù)荷預(yù)測可以更加精確的指導(dǎo)電廠的燃料供應(yīng)工作計劃，可以使得電網(wǎng)安全穩(wěn)定運行。
　　本文采用桂林市某地區(qū)的電力負(fù)荷作為研究對象。首先用混沌理論對負(fù)荷時間序列進行分析，然后用重構(gòu)相空間的方法構(gòu)造訓(xùn)練數(shù)據(jù)集和預(yù)測數(shù)據(jù)集。在此過程中使用改進的C-C方法求出嵌入維數(shù)和延遲時間。改進的C-C方法求解這兩個參數(shù)過程簡捷，同時也使得負(fù)荷預(yù)測的精度和

2、準(zhǔn)確度也有了提高。用小數(shù)據(jù)量法求出時間序列的最大李氏指數(shù)證明負(fù)荷數(shù)據(jù)具有混沌特性。
　　然后用支持向量回歸算法對電力負(fù)荷數(shù)據(jù)進行模型訓(xùn)練和負(fù)荷預(yù)測，用粒子群優(yōu)化算法搜索影響支持向量回歸的關(guān)鍵參數(shù)的最優(yōu)值，將搜索結(jié)果同交叉驗證-分步網(wǎng)格搜索法確定的最優(yōu)參數(shù)進行對比，對比結(jié)果說明粒子群優(yōu)化算法和交叉驗證-分步網(wǎng)格法都可以確定最優(yōu)參數(shù)，并且粒子群優(yōu)化算法節(jié)省了大量的計算時間。
　　將采用結(jié)合混沌相空間重構(gòu)和支持向量回歸方法的電力負(fù)

3、荷預(yù)測的結(jié)果同BP神經(jīng)網(wǎng)絡(luò)和時間序列分析法預(yù)測的結(jié)果進行對比，得出如下結(jié)論：一點是工作日期間這三種預(yù)測方法都能達(dá)到較好的預(yù)測效果；第二點是在負(fù)荷變化較大的周日和重大節(jié)假日期間，用混沌相空間重構(gòu)和支持向量回歸結(jié)合的方法進行預(yù)測，相比于BP神經(jīng)網(wǎng)絡(luò)和時間序列分析法有較大的優(yōu)勢。
　　最后，考慮到在Matlab平臺對電力負(fù)荷數(shù)據(jù)進行分析處理以及預(yù)測的過程中存在大量繁瑣操作的缺點，設(shè)計了電力負(fù)荷的Matlab GUI預(yù)測系統(tǒng)。該負(fù)荷預(yù)測系