基于加權(quán)支持向量機(jī)的短期負(fù)荷預(yù)測.pdf

1、電力系統(tǒng)負(fù)荷預(yù)測是電力系統(tǒng)運行、控制和規(guī)劃不可缺少的一部分，是電力市場技術(shù)支持系統(tǒng)的基礎(chǔ)。 支持向量機(jī)(Support Vector Machine，簡稱SVM)是基于統(tǒng)計學(xué)習(xí)理論的一種新的機(jī)器學(xué)習(xí)技術(shù)。由于采用了結(jié)構(gòu)風(fēng)險最小化原則替代經(jīng)驗風(fēng)險最小化原則，使它較好的解決了小樣本學(xué)習(xí)的問題。正因為SVM理論有較為完備的理論基礎(chǔ)和較好的學(xué)習(xí)性能，使得它成為繼神經(jīng)網(wǎng)絡(luò)研究之后新的研究熱點。 本文針對支持向量機(jī)應(yīng)用于電力系統(tǒng)短

2、期負(fù)荷預(yù)測展開了幾個方面的研究工作。 1．將小波變換模極大值法應(yīng)用到負(fù)荷數(shù)據(jù)異常值的檢測中。歷史負(fù)荷數(shù)據(jù)是預(yù)測的基礎(chǔ)，由于異常數(shù)據(jù)的存在將掩蓋信號的真實性，影響預(yù)測的精度，所以必須進(jìn)行數(shù)據(jù)的預(yù)處理。本文應(yīng)用小波變換模極大值法檢測出信號的局部奇異性，從而剔除異常數(shù)據(jù)，達(dá)到數(shù)據(jù)預(yù)處理的目的。 2．研究了一種基于自適應(yīng)加權(quán)最小二乘支持向量機(jī)(Adaptive Weighed leastsquares support vecto

3、r machine．AWLS-SVM)的短期負(fù)荷預(yù)測方法。針對不同的樣本，對支持向量機(jī)的參數(shù)賦予不同的權(quán)重，突出了各個樣本在訓(xùn)練過程中貢獻(xiàn)不同的特性。并用自適應(yīng)參數(shù)優(yōu)化法來整定支持向量機(jī)的參數(shù)，減少了參數(shù)選擇的盲目性。通過仿真表明，與支持向量機(jī)方法相比，自適應(yīng)加權(quán)支持向量機(jī)方法具有更高的預(yù)測精度。 3．研究了小波變換和優(yōu)化加權(quán)最小二乘支持向量機(jī)混合模型進(jìn)行電力系統(tǒng)短期負(fù)荷預(yù)測的方法。首先基于小波多分辨率分析方法將負(fù)荷序列分解成