基于SVM的組合預測在中長期電力負荷預測中的應用.pdf

1、電力負荷預測是進行電力系統(tǒng)發(fā)電規(guī)劃的重要依據(jù)。準確的負荷預測有利于提高電力系統(tǒng)運行的經(jīng)濟性和可靠性。電力系統(tǒng)負荷的大小與多種因素有關，未來負荷與所能利用的影響變量之間存在復雜的非線性關系。對中長期電力負荷進行預測可為電網(wǎng)規(guī)劃提供重要依據(jù)。
　　 支持向量機是一種新的機器學習算法，對于一些諸如小樣本、非線性、高維數(shù)和局部極小點等實際問題都可以較好的解決。與短期電力負荷數(shù)據(jù)比起來，中長期電力負荷數(shù)據(jù)具有小樣本的特點。恰好支持向量機處

2、理小樣本數(shù)據(jù)具有其他模型無法比擬的優(yōu)勢，且SVM回歸方法具有良好的擬合和外推能力。本文提出一個基于支持向量機的中長期電力負荷組合預測模型及其求解步驟。在預測過程中，首先利用多個單一預測方法如趨勢預測模型，指數(shù)模型，非線性回歸模型，改進的灰色GM(1，1)模型和改進的灰色Verhulst模型構成預測模型群，對原始電力負荷數(shù)據(jù)進行擬合。然后，把預測模型群的擬合結果作為支持向量機回歸模型的輸入進行二次預測，形成變權重的組合預測。本文對基于SV