模擬退火支持向量機算法研究及在電力負荷預測中的應用.pdf

1、精確的預測電力負荷是電力工業(yè)中最重要的問題之一。近年來由于中國電力供應緊張，各地一哄而起地建發(fā)電廠，造成了不少浪費，精確的預測電力負荷越來越受到關注。實踐證明，在電力系統(tǒng)發(fā)展日趨復雜的今天，各種傳統(tǒng)的負荷預測技術已經越來越難以滿足電力部門越來越高的負荷預測精度要求，所以應用新算法進行電力負荷預測，提高負荷預測的精度，具有十分重要的意義。
　　本文首先對負荷預測的意義和研究現(xiàn)狀進行了分析，再從電力負荷與負荷預測特性研究入手，充分分析

2、了負荷組成、分類、特點以及作用，討論了電力負荷預測的基本原理、基本步驟以及影響電力負荷預測精確度的因素。此外還分析了電力負荷預測的模型要求以及預測精度的檢驗方法。
　　由于負荷預測的非線性，人工神經網絡方法在電力負荷預測中扮演了一個關鍵的角色。支持向量機是在統(tǒng)計學習理論基礎上發(fā)展而來的一種新的模式識別方法，在解決有限樣本，非線性回歸及預測問題中表現(xiàn)出許多特有的優(yōu)勢。支持向量機已經成功地用于非線性回歸和時間序列問題中，然而卻很少的用

3、于電力負荷預測中。本文將支持向量機算法引入到電力負荷預測中，在對統(tǒng)計學習理論和支持向量機算法進行分析的基礎上針對支持向量算法的參數選擇問題進行了研究。支持向量算法雖然有統(tǒng)計學習理論作為理論基礎，其泛化能力在理論上有界，但理論上誤差的界太過寬松，實際應用過程中算法的性能依賴于算法參數的選擇。在對算法分析研究的基礎上，將模擬退火算法用于支持向量機的參數選擇，構建了模擬退火支持向量機算法。
　　運用模擬退火支持向量機預測模型，對美國的電