基于SVM組合模型的燃氣負荷預(yù)測研究.pdf

1、燃氣負荷預(yù)測是燃氣管網(wǎng)系統(tǒng)對燃氣運行與控制的基礎(chǔ)，同時也是燃氣市場運作的基礎(chǔ)，負荷預(yù)測結(jié)果的數(shù)據(jù)是保證天然氣管網(wǎng)的安全性、管網(wǎng)調(diào)度的合理性工作的重要依據(jù)。燃氣負荷預(yù)測系統(tǒng)的準確性、實時性、可靠性、智能性是目前急需解決的課題。
　　 本文首先對燃氣負荷數(shù)據(jù)進行了特征分析，深入了解影響負荷變化的主要因素，為確定預(yù)測模型輸入樣本提供依據(jù)；其次，通過數(shù)據(jù)預(yù)處理把帶有噪音的數(shù)據(jù)序列修正為平滑的負荷數(shù)據(jù)序列，進一步提高預(yù)測模型的訓(xùn)練及預(yù)測精

2、度；最后，進行一系列實驗與分析：(1)將BP神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)基于交叉驗證擇參的RBF-SVM預(yù)測精度進行了對比，證明了在燃氣數(shù)據(jù)序列條件下，SVM模型優(yōu)于BP神經(jīng)網(wǎng)絡(luò)：(2)對SVM的核參數(shù)和核函數(shù)的選擇做了實驗對比研究，在優(yōu)化方法上發(fā)現(xiàn)遺傳算法優(yōu)于交叉驗證法，而混沌遺傳算法可以進一步克服傳統(tǒng)遺傳算法諸如過早收斂的不足，最終發(fā)現(xiàn)使用小波核表現(xiàn)出比RBF核更精確的預(yù)測效果。通過以上一系列的實驗比較，得出采用混沌遺傳算法擇參的小波核SVM這一