基于最小二乘支持向量機(jī)的短期負(fù)荷預(yù)測方法及應(yīng)用研究.pdf

1、短期負(fù)荷預(yù)測是電力系統(tǒng)運(yùn)行調(diào)度決策的前提，準(zhǔn)確地進(jìn)行這一預(yù)測會使電力系統(tǒng)的控制有的放矢，因此其研究是有價值的。 論文總結(jié)了短期負(fù)荷預(yù)測的特點(diǎn)，歸納了其常用輸入量的選取方法。并基于統(tǒng)計學(xué)方法，對歷史負(fù)荷數(shù)據(jù)進(jìn)行了有效處理，如異常數(shù)據(jù)的修正、規(guī)格化等。同時針對最小二乘支持向量機(jī)預(yù)測的輸入變量通常由經(jīng)驗(yàn)選擇所造成預(yù)測模型適應(yīng)性不好的問題，采用粗糙集理論進(jìn)行了預(yù)處理，對各條件屬性進(jìn)行約簡分析，其屬性約簡采用二進(jìn)制編碼的遺傳算法進(jìn)行尋優(yōu)，

2、可以自動地從含有不相關(guān)量和冗余量的待選輸入變量中選擇出與負(fù)荷密切相關(guān)的因素，作為最小二乘支持向量機(jī)的有效輸入變量。從而實(shí)現(xiàn)了輸入變量的優(yōu)化選擇，減少了預(yù)測模型建立過程中對經(jīng)驗(yàn)的依賴，提高了模型的適應(yīng)性。 在此基礎(chǔ)上，由最小二乘支持向量機(jī)模型中的兩個參數(shù)，分析出該參數(shù)選擇對模型有很大影響，而目前依然是基于經(jīng)驗(yàn)的辦法解決。對此，提出采用遺傳算法對最小二乘支持向量機(jī)的模型參數(shù)進(jìn)行尋優(yōu)，實(shí)現(xiàn)了模型參數(shù)的優(yōu)化選擇，并建立了相應(yīng)的預(yù)測模型，