基于貝葉斯證據(jù)框架優(yōu)化的LS—SVM預(yù)測模型在空間電力負(fù)荷預(yù)測方法中的應(yīng)用研究.pdf

1、因短期電力系統(tǒng)負(fù)荷具有明顯的隨機(jī)性，使得其負(fù)荷預(yù)測工作不容易找到內(nèi)在發(fā)展規(guī)律，故很不容易提高短期負(fù)荷預(yù)測的準(zhǔn)確性。因依據(jù)簡單基礎(chǔ)理論的傳統(tǒng)負(fù)荷預(yù)測沒有充分考慮影響電力系統(tǒng)負(fù)荷發(fā)展的關(guān)鍵性因素被研究學(xué)者們逐漸淘汰。近年來，因?yàn)閲艺叩耐晟剖沟贸鞘邪l(fā)展越來越規(guī)范合理，城市土地性質(zhì)也越來越明確，這就為電力負(fù)荷預(yù)測提供了一個優(yōu)越的有基礎(chǔ)的更廣闊的研究空間。使得很多研究學(xué)者也對空間負(fù)荷預(yù)測方法進(jìn)行了系統(tǒng)深入地研究以得到較高的短期負(fù)荷預(yù)測精度。其

2、中短期負(fù)荷預(yù)測中發(fā)展?jié)摿^大的預(yù)測方法當(dāng)屬最小二乘支持向量機(jī)（LS-SVM）。隨著對其研究的擴(kuò)展，研究學(xué)者們對LS-SVM預(yù)測方法的探究越來越深刻。
　　基于深刻了解和意識到短期負(fù)荷預(yù)測的本質(zhì)理論和深刻意義，本研究論文選擇了一種優(yōu)化的LS-SVM預(yù)測模型來對短期負(fù)荷預(yù)測進(jìn)行一個更深廣的研究。本文多方面綜合考慮了外部影響因素，如負(fù)荷功能區(qū)土地使用性質(zhì)和天氣等。該預(yù)測模型集多種因素所校正并得以自學(xué)習(xí)適應(yīng)，使其更加智能化，也更加符合實(shí)際

3、環(huán)境，但卻使模型更加復(fù)雜且不易模擬。復(fù)雜性的提高還有各種因素的考慮使得該預(yù)測模型的魯棒性下降，使得該預(yù)測模型的穩(wěn)定性被一些影響因素破壞，故本文特別應(yīng)用由各種因素下誤差得出的權(quán)系數(shù)因子修改其預(yù)測模型以提高魯棒性和穩(wěn)定性。另外，本文還為更快更準(zhǔn)確地搭建預(yù)測模型采用了貝葉斯證據(jù)框架優(yōu)化模式。通過此模式優(yōu)化，本文預(yù)測模型更具有實(shí)用性和高效性。
　　本文第一章先著重有條理地介紹了電力負(fù)荷預(yù)測研究原理，第二章研究了進(jìn)行負(fù)荷數(shù)據(jù)采集的重要平臺－

4、地理信息系統(tǒng)（GIS），而且也分析了數(shù)據(jù)前期處理對空間負(fù)荷分類分區(qū)的重要性。接下來，第三章則為構(gòu)建預(yù)測模型奠定數(shù)據(jù)樣本基礎(chǔ)提供了理論依據(jù)。第四章則統(tǒng)籌考慮各種外界的影響因素，研究了一種加權(quán)處理的最小二乘支持向量機(jī)，并應(yīng)用貝葉斯證據(jù)框架對其模型進(jìn)行優(yōu)化。本文最后，完善了整體預(yù)測流程，并在電力GIS圖層上選取一個行政功能負(fù)荷區(qū)，采用本文構(gòu)建的預(yù)測模型進(jìn)行為期10日的負(fù)荷預(yù)測，與優(yōu)化前模型輸出的負(fù)荷作對比，證明本文研究的優(yōu)化后預(yù)測模型的先進(jìn)可