基于人工魚群的LS-SVM在短期負荷預測中的應用.pdf

1、提高負荷預測的準確率,對電網的安全穩(wěn)定和經濟運行有至關重要的作用。因此尋求適合所研究地區(qū)的電網負荷預測方法具有重要的應用價值。
　　本文首先介紹了負荷預測的理論方法,然后分析了最小二乘支持向量機(Lease Squares Support Vector Machine,LS-SVM)的原理和優(yōu)缺點。由于LS-SVM中的兩個重要參數(shù)——核寬度和正則化參數(shù)對預測結果有很大的影響,選取不當將無法保證解的最優(yōu)性。而人工魚群算法具有很好的自

2、適應能力、并行性和全局性,能夠較好的解決LS-SVM參數(shù)優(yōu)化問題。本文對基本人工魚群算法進行了改進,解決了基本算法尋優(yōu)過程后期收斂效率降低的問題,加快了算法的搜索速度和精度。最后將改進人工魚群算法優(yōu)化的LS-SVM模型應用到短期負荷預測中,對預測過程的每一環(huán)節(jié)做了詳細的研究,包括對歷史數(shù)據的預處理、采用相似日法選擇預測模型的輸入負荷樣本等。
　　針對廣西A地區(qū)的地域特點,分析了該地區(qū)電網負荷影響因素,并通過某典型日的96點負荷進行