基于SVM并考慮溫度累積效應(yīng)的電力短期負(fù)荷預(yù)測(cè)方法.pdf

1、電力短期負(fù)荷預(yù)測(cè)對(duì)電能優(yōu)化調(diào)度和電力市場(chǎng)規(guī)劃有十分重要的意義,尤其是在電力企業(yè)由計(jì)劃經(jīng)濟(jì)的壟斷經(jīng)營(yíng)模式轉(zhuǎn)變?yōu)槭袌?chǎng)經(jīng)濟(jì)的競(jìng)爭(zhēng)經(jīng)營(yíng)模式,且當(dāng)前電力供應(yīng)緊張的情況下,準(zhǔn)確的電力負(fù)荷預(yù)測(cè)顯得至關(guān)重要。相似日選取算法原理簡(jiǎn)單,合理選擇預(yù)測(cè)相似日是提高短期負(fù)荷預(yù)測(cè)精度的有效途徑。近年來(lái),支持向量機(jī)(Support Vector Machine, SVM)算法得到了快速發(fā)展,它是一種新型機(jī)器學(xué)習(xí)算法,由統(tǒng)計(jì)學(xué)習(xí)理論發(fā)展而來(lái)。支持向量機(jī)建立在結(jié)構(gòu)風(fēng)險(xiǎn)最

2、小化準(zhǔn)則之上,能取得最小的實(shí)際風(fēng)險(xiǎn),適合于小樣本學(xué)習(xí),且具有較好的泛化性能,在短期負(fù)荷預(yù)測(cè)研究中得到了廣泛應(yīng)用。
　　本文在充分分析短期負(fù)荷基本特性的基礎(chǔ)上,闡述了溫度累積效應(yīng)的表現(xiàn)形式,通過(guò)修正日最高溫度來(lái)反映夏天的溫度累積效應(yīng),并基于修正溫度選取相似日后采用支持向量機(jī)回歸模型來(lái)預(yù)測(cè)未來(lái)一天的負(fù)荷。論文工作主要有以下幾點(diǎn):
　　1)從時(shí)間、氣象和日類型等方面詳細(xì)分析了湖北某地區(qū)的負(fù)荷特性。對(duì)三種常用預(yù)測(cè)方法(時(shí)間序列分析法

3、、神經(jīng)網(wǎng)絡(luò)方法和支持向量機(jī)方法)的優(yōu)缺點(diǎn)和建模性能進(jìn)行了總結(jié),從而得出支持向量機(jī)方法更適合用于開(kāi)展短期負(fù)荷預(yù)測(cè)的研究。
　　2)針對(duì)支持向量機(jī)在出現(xiàn)溫度累積效應(yīng)情況下預(yù)測(cè)精度不高的問(wèn)題,提出一種考慮溫度累積效應(yīng)的相似日選取算法(TSD算法),詳細(xì)介紹了該算法的原理。對(duì)溫度修正公式中的參數(shù),利用遺傳算法對(duì)其優(yōu)化選取,并應(yīng)用溫度修正公式對(duì)夏季(6月～8月)日最高溫度做了修正。
　　3)根據(jù)本文的相似日選取算法,計(jì)算歷史日與預(yù)測(cè)日