基于混沌特性的支持向量機(jī)短期電力負(fù)荷預(yù)測.pdf

1、電力負(fù)荷預(yù)測是電力系統(tǒng)運(yùn)行與控制的基礎(chǔ)也是電力市場運(yùn)作的基礎(chǔ)，在電力市場的條件下對負(fù)荷預(yù)測提出了準(zhǔn)確性、實(shí)時(shí)性、可靠性、智能性的要求，其預(yù)測精度直接影響電力系統(tǒng)的經(jīng)濟(jì)效益以及電網(wǎng)的穩(wěn)定性。 負(fù)荷預(yù)測是電力系統(tǒng)規(guī)劃和運(yùn)行中的重要工作之一。由于負(fù)荷決定了發(fā)電、輸電和電量的分配，在一定規(guī)劃期內(nèi)負(fù)荷與用電量的大小決定了電力系統(tǒng)的發(fā)展規(guī)模和發(fā)展速度，因此預(yù)測電力系統(tǒng)的負(fù)荷與用電量是進(jìn)行電力系統(tǒng)發(fā)展規(guī)劃的首要任務(wù)。而負(fù)荷預(yù)測方法的選擇是最為

2、關(guān)鍵的工作，目前預(yù)測的方法很多，但哪一種方法更為可靠是一個(gè)十分復(fù)雜的問題。因?yàn)轭A(yù)測結(jié)果的可信性不僅取決于所使用的預(yù)測方法，也取決于所采集數(shù)據(jù)的可靠性，后者是理論工作者所無法解決的，前者則可以通過對不同預(yù)測方法的分析比較得到一些指導(dǎo)性的認(rèn)識。 支持向量機(jī)是新一代的機(jī)器學(xué)習(xí)算法，以統(tǒng)計(jì)學(xué)習(xí)理論作為其理論基礎(chǔ)，它的訓(xùn)練等價(jià)于解決一個(gè)二次規(guī)劃問題，采用結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則，具有預(yù)測能力強(qiáng)、全局最優(yōu)及收斂速度快等顯著特點(diǎn)。因此，本文從研究混

3、沌時(shí)間序列的預(yù)測入手，采用了一種基于支持向量機(jī)回歸理論的預(yù)測方法，并將其應(yīng)用于混沌時(shí)間序列預(yù)測中。為了驗(yàn)證該算法的性能，做了兩項(xiàng)工作，一個(gè)是利用相空間的重構(gòu)理論對混沌時(shí)間序列進(jìn)行了單步與多步的預(yù)測，并同文獻(xiàn)中的神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果進(jìn)行了比較分析；另一個(gè)是在混沌時(shí)間序列中加入不同水平的噪聲，并同BP網(wǎng)絡(luò)及RBF網(wǎng)絡(luò)的預(yù)測結(jié)果進(jìn)行了比較分析。仿真結(jié)果表明，用支持向量回歸算法進(jìn)行混沌時(shí)間序列的預(yù)測能夠取得比其他方法更好的效果，且有更好的穩(wěn)健性和

4、泛化能力。 在研究混沌特性的基礎(chǔ)上，結(jié)合短期電力系統(tǒng)的特點(diǎn)，對電力負(fù)荷預(yù)測問題進(jìn)行研究，建立了基于混沌特性的支持向量機(jī)電力負(fù)荷短期預(yù)測的模型，應(yīng)用實(shí)際的負(fù)荷數(shù)據(jù)進(jìn)行仿真試驗(yàn)。 利用基于混沌特性的支持向量機(jī)模型進(jìn)行短期電力負(fù)荷預(yù)測，首先要判定系統(tǒng)是否具有混沌特性，其次確定相空間重構(gòu)的嵌入維數(shù)m和延時(shí)t；運(yùn)用m和t重構(gòu)相空間，計(jì)算出最大Lyapunov指數(shù)，構(gòu)成學(xué)習(xí)樣本和預(yù)測值，然后利用樣本對SVM進(jìn)行訓(xùn)練，最后訓(xùn)練后的網(wǎng)絡(luò)

5、對將來的某段時(shí)間進(jìn)行預(yù)測，根據(jù)預(yù)測得出的預(yù)測值，我們與實(shí)際的負(fù)荷值進(jìn)行比較，判斷其是否具有優(yōu)勢。 提出了一種基于支持向量機(jī)回歸理論的預(yù)測方法，并將其應(yīng)用于實(shí)際的短期電力負(fù)荷預(yù)測中。為了驗(yàn)證該算法的性能，做了兩項(xiàng)工作，一個(gè)是利用相空間的重構(gòu)理論對短期電力負(fù)荷進(jìn)行了單步預(yù)測，并同文獻(xiàn)中的神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果進(jìn)行了比較分析，從表中可以看出，對于不同的m取值，采用SVM時(shí)的評價(jià)指標(biāo)(RMSE，RMSPEE)都小于采用BP網(wǎng)絡(luò)和模糊神經(jīng)網(wǎng)絡(luò)

6、時(shí)的相應(yīng)值，表明支持向量機(jī)在短期電力負(fù)荷的建模和預(yù)測方面的效果比BP網(wǎng)絡(luò)和模糊神經(jīng)網(wǎng)絡(luò)要好，從運(yùn)行時(shí)間看，與BP網(wǎng)絡(luò)相比，支持向量機(jī)具有更快的收斂速度，其運(yùn)動時(shí)間比采用BP網(wǎng)絡(luò)時(shí)能夠大大縮短；另一個(gè)是對短期電力負(fù)荷進(jìn)行了多步預(yù)測，在對預(yù)測結(jié)果和預(yù)測精度分析的基礎(chǔ)上，并同BP網(wǎng)絡(luò)及RBF網(wǎng)絡(luò)的預(yù)測結(jié)果進(jìn)行了比較分析，仿真結(jié)果表明，用支持向量回歸算法進(jìn)行預(yù)測能夠取得比其他方法更好的效果，且有更好的穩(wěn)健性和泛化能力。 在對實(shí)際電力負(fù)荷