基于改進最小二乘支持向量機的電力系統(tǒng)短期負荷預(yù)測.pdf

1、電力系統(tǒng)的安全調(diào)度、經(jīng)濟的運轉(zhuǎn)離不開短期負荷預(yù)測，負荷預(yù)測為其提供的重要依據(jù)，負荷預(yù)測精度會對電力系統(tǒng)的運作的可靠性、經(jīng)濟性與它的供電質(zhì)量產(chǎn)生直接的影響。所以，最大幅度的提升預(yù)測精確度，尋找適合的負荷預(yù)測方法有很大的價值。
　　在論文里首先敘述了目前負荷預(yù)測的應(yīng)用研究現(xiàn)狀，總結(jié)概括了負荷預(yù)測的特征及其影響因素，歸納了短期負荷預(yù)測的常用方法，同時剖析了不同方法的優(yōu)缺點；然后介紹了作為支持向量機（SVM)理論基礎(chǔ)的統(tǒng)計學(xué)理論和SVM的

2、原理，推導(dǎo)出了SVM的回歸模型；論文利用最小二乘支持向量機（LSSVM)模型，利用某地區(qū)的氣象數(shù)據(jù)和負荷數(shù)據(jù)，剖析了影響預(yù)測的多種因素，概括總結(jié)了負荷變化的規(guī)律性，
　　對歷史負荷數(shù)據(jù)中的"異常數(shù)據(jù)”進行修正，對負荷預(yù)測中要考慮的相關(guān)因素進行了歸一化處理。 LS-SVM中的兩個參數(shù)對模型具有很大的影響，然而目前的解決辦法仍然是基于經(jīng)驗。對此，本文中采用粒子群優(yōu)化算法對模型參數(shù)進行尋優(yōu)，把測試集誤差作為決斷的依據(jù)，實現(xiàn)模型參數(shù)的最優(yōu)