基于主成分分析和支持向量機(jī)的電力短期負(fù)荷預(yù)測(cè).pdf

1、電力短期負(fù)荷預(yù)測(cè)是電力系統(tǒng)中一項(xiàng)重要的工作，它對(duì)于電力系統(tǒng)的安全和經(jīng)濟(jì)的運(yùn)行都有著重要的意義。由于電力短期負(fù)荷受到多種因素的影響，所以考慮這些影響的因素的人工神經(jīng)網(wǎng)絡(luò)在短期電力負(fù)荷預(yù)測(cè)中得到了廣泛的應(yīng)用。隨著電力短期負(fù)荷預(yù)測(cè)技術(shù)研究的深入，人工神經(jīng)網(wǎng)絡(luò)在電力短期負(fù)荷預(yù)測(cè)的應(yīng)用中存在的缺點(diǎn)日益顯現(xiàn)出來。支持向量機(jī)作為人工神經(jīng)網(wǎng)絡(luò)的替代法被引入電力短期負(fù)荷預(yù)測(cè)中，它能夠有效的避免人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法中的過學(xué)習(xí)、維數(shù)災(zāi)、局部極小點(diǎn)的等問題，支

2、持向量機(jī)及其改進(jìn)算法在電力短期負(fù)荷預(yù)測(cè)中應(yīng)用的研究得到了廣泛的關(guān)注。
　　本文從分析支持向量機(jī)的基本原理出發(fā)，雖然支持向量機(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)，但當(dāng)處理海量電力負(fù)荷數(shù)據(jù)時(shí)，支持向量機(jī)的訓(xùn)練效率降低，針對(duì)解決這一問題提出的最小二乘支持向量機(jī)被引入電力短期負(fù)荷預(yù)測(cè)中。本文建立了基于最小二乘支持向量機(jī)的電力短期負(fù)荷預(yù)測(cè)模型，并與傳統(tǒng)的負(fù)荷預(yù)測(cè)方法作了實(shí)例分析比較，結(jié)果表明最小二乘支持向量機(jī)的負(fù)荷預(yù)測(cè)精度

3、比較高。
　　當(dāng)負(fù)荷樣本數(shù)據(jù)維數(shù)過高時(shí)，最小二支持乘向量機(jī)負(fù)荷預(yù)測(cè)模型的泛化能力將下降，主成分分析就是一種線性降維的措施。本文建立了基于主成分分析的最小二乘支持向量機(jī)的電力短期負(fù)荷預(yù)測(cè)模型，經(jīng)過算例驗(yàn)證，該方法減少了工作量，提高了負(fù)荷預(yù)測(cè)模型的預(yù)測(cè)精度。
　　通過主成分分析獲得的是原始特征的線性關(guān)系，核主成分分析能夠反映原始特征的非線性關(guān)系。本文提出了基于核主成分分析的最小二乘支持向量機(jī)的短期負(fù)荷預(yù)測(cè)模型，經(jīng)過算例驗(yàn)證，該模