基于最小二乘支持向量機(jī)的短期電力負(fù)荷預(yù)測方法研究.pdf

1、負(fù)荷預(yù)測是電力系統(tǒng)調(diào)度和計(jì)劃部門的主要工作之一，準(zhǔn)確的負(fù)荷預(yù)測對(duì)于保證電力系統(tǒng)安全、穩(wěn)定和經(jīng)濟(jì)運(yùn)行以及在電力市場環(huán)境下提高供電部門的經(jīng)濟(jì)效益和社會(huì)效益都具有重要而深遠(yuǎn)的意義。本文闡述了負(fù)荷預(yù)測的相關(guān)基礎(chǔ)理論，對(duì)各種短期負(fù)荷預(yù)測方法以及研究情況進(jìn)行了歸納、總結(jié)。介紹了統(tǒng)計(jì)學(xué)習(xí)理論的一些重要概念、主要思想以及在該理論框架下發(fā)展起來的新的通用學(xué)習(xí)算法--支持向量機(jī)，并利用標(biāo)準(zhǔn)支持向量機(jī)的一種擴(kuò)展、變形算法--最小二乘支持向量機(jī)建立了短期負(fù)荷預(yù)

2、測模型。 最小二乘支持向量機(jī)的模型參數(shù)對(duì)模型的學(xué)習(xí)能力具有重要影響，但目前尚未形成統(tǒng)一有效的選擇方法。針對(duì)該問題，本文根據(jù)短期電力負(fù)荷在相關(guān)影響因素相近時(shí)其負(fù)荷變化規(guī)律也相似的特點(diǎn)，提出了一種聯(lián)合相似日和蟻群算法的模型參數(shù)選擇方法，即根據(jù)不同影響因素對(duì)負(fù)荷預(yù)測影響的程度不同的特點(diǎn)，采用改進(jìn)關(guān)聯(lián)度公式選取若干歷史相似日作為訓(xùn)練樣本和測試樣本，并引進(jìn)新型的全局搜索算法--蟻群算法來優(yōu)化選擇參數(shù)。實(shí)例分析表明該方法所選擇的參數(shù)更具合理

3、性，提高了模型的泛化能力。 介紹了一種基于概率統(tǒng)計(jì)的異常數(shù)據(jù)辨識(shí)方法，對(duì)辨識(shí)出的異常數(shù)據(jù)分別進(jìn)行縱向、橫向修正。結(jié)合某地方電網(wǎng)的實(shí)際負(fù)荷數(shù)據(jù)和氣象數(shù)據(jù)，分析了短期負(fù)荷預(yù)測的影響因素，特別是氣象條件以及氣象條件的累積效應(yīng)對(duì)短期負(fù)荷預(yù)測的影響。通過采用不同氣象條件的“累積閾值函數(shù)”進(jìn)行數(shù)值折算，從而可以根據(jù)氣象數(shù)值的變化對(duì)這種累積效應(yīng)進(jìn)行定量描述。 在綜合考慮相關(guān)影響因素的基礎(chǔ)上，利用上述參數(shù)選擇方法所確定的最小二乘支持向量