支持向量機(jī)在電力系統(tǒng)短期負(fù)荷預(yù)測中的應(yīng)用.pdf

1、電力系統(tǒng)短期負(fù)荷預(yù)測是電力系統(tǒng)安全和經(jīng)濟(jì)運(yùn)行的重要依據(jù).價格競爭機(jī)制引入電力系統(tǒng)形成電力市場后,對短期負(fù)荷預(yù)測的精度和速度提出了更高的要求.雖然負(fù)荷預(yù)測的研究己有幾十年歷史,有很多負(fù)荷預(yù)測的理論和方法,但是隨著新理論和新技術(shù)的發(fā)展,對負(fù)荷預(yù)測新方法的研究仍在不斷地深入進(jìn)行.支持向量機(jī)作為數(shù)據(jù)挖掘的一項(xiàng)新技術(shù),應(yīng)用于模式識別和處理回歸問題等諸多領(lǐng)域.本文利用支持向量機(jī)優(yōu)越的非線性學(xué)習(xí)及預(yù)測性能,針對短期負(fù)荷預(yù)測的各種影響因素的非線性特性,

2、提出基于支持向量機(jī)的電力系統(tǒng)短期負(fù)荷預(yù)測新方法,以提高預(yù)測精度和時效性,該研究具有重要的理論意義和實(shí)用價值. 本文分析了支持向量機(jī)的基本原理,支持向量機(jī)具有非線性擬合、泛化能力強(qiáng)、訓(xùn)練收斂速度快等顯著特點(diǎn).針對電力系統(tǒng)負(fù)荷與各種影響因素之間的非線性關(guān)系,本文建立了基于支持向量機(jī)的短期負(fù)荷預(yù)測模型,并與神經(jīng)網(wǎng)絡(luò)方法作了實(shí)例分析比較,結(jié)果表明基于支持向量機(jī)的負(fù)荷預(yù)測精度和速度要優(yōu)于神經(jīng)網(wǎng)絡(luò)方法. 由于影響負(fù)荷的因素繁多且復(fù)雜

3、,若對輸入不加適當(dāng)選擇處理會導(dǎo)致預(yù)測精度降低,訓(xùn)練時間增加.本文采用一種有效的負(fù)荷聚類分析處理技術(shù),并將聚類算法與支持向量機(jī)相結(jié)合,首次提出了聯(lián)合FCM模糊聚類算法和支持向量機(jī)的短期負(fù)荷預(yù)測新方法.該方法考慮到負(fù)荷變化的周期性特點(diǎn),應(yīng)用模糊聚類分析的基本原理,依據(jù)輸入樣本的相似度選取訓(xùn)練樣本,即選用同類特征數(shù)據(jù)作為預(yù)測輸入,保證了數(shù)據(jù)特征的一致性,強(qiáng)化了歷史數(shù)據(jù)規(guī)律.在基于支持向量機(jī)負(fù)荷預(yù)測的基礎(chǔ)上,對樣本進(jìn)行模糊聚類分析,選取與預(yù)測樣