基于支持向量機(jī)的電力短期負(fù)荷預(yù)測(cè)研究.pdf

1、短期負(fù)荷預(yù)測(cè)是電力系統(tǒng)安全經(jīng)濟(jì)運(yùn)行的前提，隨著電力系統(tǒng)的市場(chǎng)化，高質(zhì)量的短期負(fù)荷預(yù)測(cè)越來越顯得重要和迫切。支持向量機(jī)是一類新型的機(jī)器學(xué)習(xí)方法，具有求解速度快、泛化能力強(qiáng)等優(yōu)點(diǎn)。本文針對(duì)支持向量機(jī)應(yīng)用于電力系統(tǒng)短期負(fù)荷預(yù)測(cè)展開幾個(gè)方面的研究工作。 支持向量機(jī)的參數(shù)選擇對(duì)模型的性能影響很大，目前支持向量機(jī)的參數(shù)選擇尚缺乏公認(rèn)有效的結(jié)構(gòu)化方法，參數(shù)選取依靠交叉驗(yàn)證得到。粒子群算法是一種計(jì)算快速、算法本身易于實(shí)現(xiàn)的群體智能算法。本文提出

2、了粒子群算法與支持向量機(jī)相結(jié)合的混和算法，以測(cè)試集誤差作為判決依據(jù)，實(shí)現(xiàn)了支持向量機(jī)參數(shù)的優(yōu)化選擇，并建立了相應(yīng)的預(yù)測(cè)模型。 根據(jù)華中電網(wǎng)鄭州地區(qū)的歷史負(fù)荷數(shù)據(jù)和氣象數(shù)據(jù)，本文分析影響預(yù)測(cè)的各種因素，總結(jié)了負(fù)荷變化的規(guī)律性，并利用統(tǒng)計(jì)學(xué)的方法，對(duì)歷史負(fù)荷數(shù)據(jù)中的“異常數(shù)據(jù)”進(jìn)行修正，對(duì)負(fù)荷預(yù)測(cè)中要考慮的相關(guān)因素進(jìn)行了規(guī)范化處理，同時(shí)引入不同日之間特征量的“相似度”的概念，選取相似日訓(xùn)練樣本。 基于具有相似特性的工作日，其

3、負(fù)荷曲線非常接近這一特點(diǎn)，本文提出了利用支持向量機(jī)預(yù)測(cè)下一日負(fù)荷相對(duì)于選定相似日負(fù)荷的變化量，將該預(yù)測(cè)值與相似日負(fù)荷相加求得負(fù)荷基本項(xiàng)的預(yù)測(cè)模型。由于支持向量機(jī)對(duì)氣象信息的敏感性差，而模糊邏輯能充分利用專家的經(jīng)驗(yàn)知識(shí)處理不確定信息，本文通過建立模糊規(guī)則庫處理氣象信息與負(fù)荷變化之間難于精確表達(dá)的影響關(guān)系，預(yù)測(cè)受氣象因素影響的負(fù)荷隨機(jī)項(xiàng)，并對(duì)支持向量機(jī)預(yù)測(cè)得到的基本負(fù)荷進(jìn)行修正，兩者結(jié)合得到最終的負(fù)荷預(yù)測(cè)結(jié)果。 節(jié)假日負(fù)荷預(yù)測(cè)是負(fù)荷