短期電力負荷預測方法的研究與應用.pdf

1、短期負荷預測是電力系統(tǒng)調(diào)度運營部門的一項重要參考指標，由電力市場發(fā)展的趨勢來看，短期電力負荷預測將在其發(fā)展中起著越來越重要的作用。因此，如何進行科學的短期負荷預測，提高預測精度以保證電力系統(tǒng)運行的安全性、經(jīng)濟性和供電質(zhì)量，是短期負荷預測研究的一個重點問題。 本文介紹了電力負荷預測的相關背景和研究意義，并對電力系統(tǒng)短期負荷預測的若干方法進行了總結(jié)和分析，包括傳統(tǒng)負荷預測方法和最近興起的人工智能預測方法。本文還基于支持向量機和灰色預

2、測法建立了短期電力負荷預測模型，并使用East—Slovakia Power Distribution Company提供的電網(wǎng)運行數(shù)據(jù)進行了算法實驗。 為了進行科學的建模，本文對短期電力負荷進行了特性分析，以掌握負荷變化的規(guī)律和特性；本文還對樣本數(shù)據(jù)進行了預處理，從而保證了樣本的質(zhì)量。鑒于支持向量機具有泛化能力強、訓練收斂速度快等優(yōu)點，本文基于支持向量機建立了短期負荷預測模型，并基于grid—search方法進行了核參數(shù)選擇，

3、從而提高了模型的預測精度。從實驗結(jié)果看來，基于支持向量機的短期負荷預測模型，在日常負荷預測中可達到比較理想的精度，然而，該方法在對重大節(jié)日的負荷預測中，預測精度相對較低，這是由于重大節(jié)日放假期間，用電構(gòu)成發(fā)生了變化，從而打破了負荷的周期性。同時，由于重大節(jié)日的歷史數(shù)據(jù)量非常少，而SVM方法需要一定的樣本數(shù)據(jù)用作訓練以保證預測的精度，所以，支持向量機在對重大節(jié)日的負荷預測精度上難以得到提高?；疑A測方法具有僅需要少量數(shù)據(jù)即可建立預測模型、