基于支持向量機的電力系統(tǒng)短期負荷預測模型研究.pdf

1、短期負荷預測是電力系統(tǒng)調度和計劃部門安排購電計劃和制定運行方式的基礎，是保障電力系統(tǒng)安全和經濟運行的一項重要手段。準確的負荷預測不僅可以幫助電力企業(yè)經濟地安排電網發(fā)電機組的起停，合理制訂機組檢修計劃，減少不必要的旋轉儲備容量，保證電網運行的安全穩(wěn)定性，同時是建設電力市場，實現(xiàn)促進電網和供電企業(yè)參與市場競爭、提高電力行業(yè)經濟效益和社會效益的基本工作內容之一。 電力負荷預測工作的核心是預測的技術方法，即如何分析電網的實際負荷特性，結

2、合實時運行情況，建立合理和準確的預測數(shù)學模型，設計高效的計算方法，得出精確的預測結果。本文在云南電網機組檢修、運行優(yōu)化項目的基礎上，以云南電網總網的平均負荷為研究對象，研究了基于支持向量機預測方法(SVM)的短期負荷預測模型。 短期負荷預測指的是對未來一天到幾個月的負荷預測，而最為典型的是對未來一天的日負荷曲線預測，這也是本文研究的對象。文中首先介紹了研究課題的理論基礎，包括電力系統(tǒng)負荷預測的基礎理論和支持向量機基礎理論。接著，

3、針對云南電網總網的短期負荷特性，著重分析了了其主要影響因素，建立了云南電網的SVM短期負荷預測模型。針對SVM方法，通過對不同的核函數(shù)、參數(shù)的預測結果的對比，確立了最優(yōu)的核函數(shù)和相關參數(shù)。然后，利用改進的SMO訓練算法進行網絡訓練，最終確定了SVM網絡結構，并將其應用于云南電網總網提前一天的負荷預測中。最后，對預測結果進行誤差分析，并與傳統(tǒng)的BP神經網絡的預測結果進行比較，證明SVM預測方法具有更高的預測精度，本文建立的SVM短期負荷預