基于支持向量回歸建模方法的短期電力負(fù)荷預(yù)測研究.pdf

1、隨著電力智能化進(jìn)程的加快，特別重視與加強了對電力負(fù)荷信息變化的研究，提高短期電力負(fù)荷預(yù)測準(zhǔn)確率對促進(jìn)智能電網(wǎng)的建設(shè)與發(fā)展具有重要意義。
　　 目前有多種預(yù)測方法應(yīng)用于電力負(fù)荷短期預(yù)測領(lǐng)域，但是，由于預(yù)測模型適用條件限制，使得短期電力負(fù)荷預(yù)測存在困難。因此，本文選擇了基于支持向量回歸(SVR)的方法來進(jìn)行預(yù)測?；诮y(tǒng)計理論的支持向量回歸遵循結(jié)構(gòu)風(fēng)險最小化原則，通過核函數(shù)進(jìn)行映射，將原空間的非線性問題轉(zhuǎn)化為特征空間中的線性問題，可實

2、現(xiàn)小樣本下的高效率機器學(xué)習(xí)。
　　 研究中，首先采用支持向量回歸建模方法對經(jīng)典Henon映射混沌時間序列進(jìn)行了預(yù)測，間接驗證了該方法對短期負(fù)荷預(yù)測的可行性。在此基礎(chǔ)上，結(jié)合貴州某市轄經(jīng)濟開發(fā)區(qū)短期電力負(fù)荷的歷史數(shù)據(jù)，應(yīng)用支持向量回歸法對該地區(qū)的電力負(fù)荷進(jìn)行了預(yù)測，同時利用人工神經(jīng)網(wǎng)絡(luò)方法對同一組數(shù)據(jù)進(jìn)行了預(yù)測，在進(jìn)行結(jié)果的分析比較后，證實了基于支持向量回歸方法比人工神經(jīng)網(wǎng)絡(luò)方法具有更好的短期電力負(fù)荷預(yù)測精度。支持向量回歸方法是實