相空間重構和支持向量機結合的短期電力負荷預測研究.pdf

1、近年來隨著社會經(jīng)濟的發(fā)展，幾乎所有的行業(yè)都對電力產(chǎn)生越來越旺盛的需求，在這個背景下對電網(wǎng)進行高精度的負荷預測可以更加精確的指導電廠的燃料供應工作計劃，可以使得電網(wǎng)安全穩(wěn)定運行。
　　本文采用桂林市某地區(qū)的電力負荷作為研究對象。首先用混沌理論對負荷時間序列進行分析，然后用重構相空間的方法構造訓練數(shù)據(jù)集和預測數(shù)據(jù)集。在此過程中使用改進的C-C方法求出嵌入維數(shù)和延遲時間。改進的C-C方法求解這兩個參數(shù)過程簡捷，同時也使得負荷預測的精度和

2、準確度也有了提高。用小數(shù)據(jù)量法求出時間序列的最大李氏指數(shù)證明負荷數(shù)據(jù)具有混沌特性。
　　然后用支持向量回歸算法對電力負荷數(shù)據(jù)進行模型訓練和負荷預測，用粒子群優(yōu)化算法搜索影響支持向量回歸的關鍵參數(shù)的最優(yōu)值，將搜索結果同交叉驗證-分步網(wǎng)格搜索法確定的最優(yōu)參數(shù)進行對比，對比結果說明粒子群優(yōu)化算法和交叉驗證-分步網(wǎng)格法都可以確定最優(yōu)參數(shù)，并且粒子群優(yōu)化算法節(jié)省了大量的計算時間。
　　將采用結合混沌相空間重構和支持向量回歸方法的電力負

3、荷預測的結果同BP神經(jīng)網(wǎng)絡和時間序列分析法預測的結果進行對比，得出如下結論：一點是工作日期間這三種預測方法都能達到較好的預測效果；第二點是在負荷變化較大的周日和重大節(jié)假日期間，用混沌相空間重構和支持向量回歸結合的方法進行預測，相比于BP神經(jīng)網(wǎng)絡和時間序列分析法有較大的優(yōu)勢。
　　最后，考慮到在Matlab平臺對電力負荷數(shù)據(jù)進行分析處理以及預測的過程中存在大量繁瑣操作的缺點，設計了電力負荷的Matlab GUI預測系統(tǒng)。該負荷預測系