基于支持向量機(jī)的短期電力負(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)調(diào)度和計(jì)劃部門(mén)安排購(gòu)電計(jì)劃和制定運(yùn)行方式的基礎(chǔ)，是保障電力系統(tǒng)安全、經(jīng)濟(jì)運(yùn)行的重要手段。支持向量機(jī)（Support Vector Machine，SVM）是近期提出的一種機(jī)器學(xué)習(xí)方法，它具有嚴(yán)格的數(shù)學(xué)理論基礎(chǔ)，有著比人工神經(jīng)網(wǎng)絡(luò)更優(yōu)越的性能。本文將SVM引入到短期負(fù)荷預(yù)測(cè)中，結(jié)合具體實(shí)例，驗(yàn)證了該方法的可行性和有效性。
　　 本文闡述了短期負(fù)荷預(yù)測(cè)的研究現(xiàn)狀，歸納了常用的預(yù)測(cè)模型和方法，并分析了各種方法的優(yōu)

2、劣；接著詳細(xì)介紹了SVM的理論基礎(chǔ)和原理，推導(dǎo)了SVM的回歸模型，之后將SVM引入到短期負(fù)荷預(yù)測(cè)，從預(yù)測(cè)流程、樣本構(gòu)造、參數(shù)選擇、訓(xùn)練算法等方面進(jìn)行了細(xì)致的研究；在此基礎(chǔ)上，結(jié)合具體實(shí)例，論文進(jìn)行了基于SVM的短期負(fù)荷預(yù)測(cè)實(shí)踐。由于天氣是影響短期負(fù)荷預(yù)測(cè)的關(guān)鍵因素，在分析了武漢地區(qū)夏季的氣象特征后，選取氣溫、濕度、日照時(shí)、大氣壓強(qiáng)等作為訓(xùn)練樣本的構(gòu)成因子，對(duì)典型日進(jìn)行負(fù)荷預(yù)測(cè)，算例結(jié)果表明，考慮了天氣因素的SVM比基于歷史負(fù)荷數(shù)據(jù)的SV

3、M更能夠取得好的預(yù)測(cè)結(jié)果。為了能夠反映出電力負(fù)荷“近大遠(yuǎn)小”的原則，論文對(duì)SVM進(jìn)行了改進(jìn)。通過(guò)引入兩個(gè)調(diào)節(jié)變量，改進(jìn)后的SVM可根據(jù)訓(xùn)練樣本與預(yù)測(cè)樣本之間的時(shí)間跨度，對(duì)不同樣本的訓(xùn)練誤差采取不同的懲罰力度。算例結(jié)果表明，該方法能夠提高短期負(fù)荷預(yù)測(cè)的預(yù)測(cè)精度。本文對(duì)核函數(shù)的構(gòu)造展開(kāi)了一些研究，提出了一種混合核的構(gòu)造方法，并對(duì)這種基于混合核函數(shù)支持向量機(jī)的泛化能力進(jìn)行了估計(jì)。算例結(jié)果表明，基于混合核的支持向量機(jī)比基于單一核的支持向量機(jī)具有