支持向量機在短期電力負荷預測中的應用研究.pdf

1、電力系統(tǒng)負荷預測是電網(wǎng)能量管理系統(tǒng)的重要內(nèi)容之一,根據(jù)負荷預測值,可以合理的安排購電計劃和制定運行方式,對電力系統(tǒng)的可靠和經(jīng)濟運行意義重大。短期負荷預測通常是指以月、周、日為時間單位的負荷指標預測,隨著電力市場的發(fā)展,短期負荷預測越來越受到重視。
　　負荷預測方法大致可分為兩大類;一類是以時間序列法為代表的傳統(tǒng)方法、另一類以神經(jīng)網(wǎng)絡為代表的現(xiàn)代方法。傳統(tǒng)方法中主要有回歸分析方法、時間序列方法和指數(shù)平滑方法等;現(xiàn)代方法中主要有灰色理

2、論方法、神經(jīng)網(wǎng)絡方法和小波分析方法等。傳統(tǒng)方法在電網(wǎng)數(shù)據(jù)波動范圍較小的時候預測精度良好,但是無法詳細地考慮各種影響負荷的因素,如節(jié)假日、氣象等,當這些因素出現(xiàn)變化時預測精確度受到影響。現(xiàn)代方法考慮到了影響負荷的一些不確定因素,但是在網(wǎng)絡結構與參數(shù)選擇等方面還需要反復驗證。
　　支持向量機是新一代的機器學習方法,以統(tǒng)計學習理論作為其理論基礎,其訓練等價于解決一個二次規(guī)劃問題,采用結果風險最小化原則,具有預測精度高、全局最優(yōu)及收斂速度