基于改進(jìn)支持向量機(jī)的短期電力負(fù)荷預(yù)測(cè)研究.pdf

1、有效準(zhǔn)確的電力負(fù)荷預(yù)測(cè)既是使電網(wǎng)安全、經(jīng)濟(jì)運(yùn)行的有力保障，也為切實(shí)解決人民群眾最關(guān)心、最直接、最現(xiàn)實(shí)的用電問(wèn)題提供了先決服務(wù)。因此，對(duì)該領(lǐng)域的研究一直是學(xué)術(shù)界的熱點(diǎn)問(wèn)題。
　　 支持向量機(jī)(Support Vector Machine，簡(jiǎn)稱(chēng)SVM)是一種新興的學(xué)習(xí)機(jī)器，具有較為完備的理論基礎(chǔ)和較好的學(xué)習(xí)性能，成功解決了神經(jīng)網(wǎng)絡(luò)難以克服的諸多問(wèn)題，被稱(chēng)為神經(jīng)網(wǎng)絡(luò)的替代算法。因此，本論文將其引入到電力系統(tǒng)的短期負(fù)荷預(yù)測(cè)中來(lái)。在研究中

2、本文發(fā)現(xiàn)，負(fù)荷預(yù)測(cè)的影響因素有很多，有些因素是可以在特定情況下被去除的。在進(jìn)行預(yù)測(cè)時(shí)，如果不對(duì)眾多因素（屬性）進(jìn)行處理，勢(shì)必會(huì)提高預(yù)測(cè)模型的復(fù)雜程度并影響其實(shí)現(xiàn)效果，從而導(dǎo)致預(yù)測(cè)失準(zhǔn)等問(wèn)題。若僅憑經(jīng)驗(yàn)來(lái)對(duì)各屬性進(jìn)行約減與提取，則又會(huì)因?yàn)槿狈σ罁?jù)，導(dǎo)致一些有用的信息被去除，同樣會(huì)致使預(yù)測(cè)失準(zhǔn)。
　　 針對(duì)上述問(wèn)題，本文進(jìn)行了進(jìn)一步研究。首先，采用粗糙集的有關(guān)理論與方法，對(duì)基于支持向量機(jī)的電力負(fù)荷預(yù)測(cè)技術(shù)進(jìn)行改進(jìn)，通過(guò)屬性約減與特征