支持向量機(jī)回歸在短期電力負(fù)荷預(yù)測(cè)中的應(yīng)用研究.pdf

1、隨著我國(guó)電力行業(yè)的蓬勃發(fā)展，電網(wǎng)管理技術(shù)的日趨進(jìn)步，關(guān)于電力系統(tǒng)負(fù)荷預(yù)測(cè)問(wèn)題的研究也引起了人們愈來(lái)愈多的關(guān)注。如何有效地進(jìn)行電力負(fù)荷預(yù)測(cè)，已經(jīng)成為現(xiàn)代電力系統(tǒng)研究中的重要課題之一。本文主要針對(duì)電力系統(tǒng)短期負(fù)荷預(yù)測(cè)進(jìn)行研究與探討。
　　 建立在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上的支持向量機(jī)(SVM)不僅具有結(jié)構(gòu)簡(jiǎn)單的優(yōu)點(diǎn)，而且推廣能力較傳統(tǒng)模型有顯著提高，因此能夠很好的解決實(shí)際應(yīng)用中小樣本學(xué)習(xí)問(wèn)題。目前關(guān)于SVM的理論研究和實(shí)際應(yīng)用都處于快速發(fā)展

2、階段，成為機(jī)器學(xué)習(xí)領(lǐng)域的研究熱點(diǎn)。本文所做的工作主要包括如下幾個(gè)方面：
　　 (1)本文首先對(duì)電力負(fù)荷預(yù)測(cè)和SVM的研究現(xiàn)狀進(jìn)行綜述，并簡(jiǎn)單介紹了目前具有代表性的電力負(fù)荷預(yù)測(cè)模型，接著對(duì)支持向量回歸(SVR)相關(guān)理論進(jìn)行詳細(xì)的描述。
　　 (2)支持向量回歸在實(shí)際應(yīng)用中存在兩大難點(diǎn)，即特征選擇和參數(shù)的優(yōu)化。本文針對(duì)這兩大難點(diǎn)，設(shè)計(jì)了一種新的基于GA-IPSO的SVR預(yù)測(cè)模型，目的是獲得更好的學(xué)習(xí)性能與預(yù)測(cè)精度。該模型的主

3、要設(shè)計(jì)思路為：①特征選擇：基于遺傳算法的特征選擇方法；②參數(shù)的優(yōu)化：本文對(duì)基本PSO算法進(jìn)行改進(jìn)，并將該改進(jìn)算法用于SVR的參數(shù)優(yōu)化。
　　 (3)考慮到廣義自回歸條件異方差(GARCH)模型適應(yīng)于波動(dòng)性的分析和預(yù)測(cè)以及SVR模型具有良好的泛化能力的特性，本文提出一種SVR與GARCH模型相結(jié)合的新組合預(yù)測(cè)模型，旨在提高模型的預(yù)測(cè)精度。
　　 在此基礎(chǔ)上，本文給出仿真實(shí)例。通過(guò)對(duì)仿真結(jié)果的分析，驗(yàn)證本文所構(gòu)建模型的有效性