基于數(shù)據(jù)挖掘與支持向量機(jī)的微網(wǎng)負(fù)荷預(yù)測(cè).pdf

1、微網(wǎng)概念的提出為光伏、風(fēng)電等分布式清潔能源的應(yīng)用提供了良好的應(yīng)用平臺(tái)，減少了分布式能源接入對(duì)大電網(wǎng)的沖擊。我國(guó)微網(wǎng)研究水平處于世界前沿，目前已有多個(gè)風(fēng)光互補(bǔ)型微網(wǎng)投產(chǎn)運(yùn)行，對(duì)微網(wǎng)中各類負(fù)荷的預(yù)測(cè)，進(jìn)而實(shí)現(xiàn)對(duì)與大電網(wǎng)相連的PCC點(diǎn)的負(fù)荷預(yù)測(cè)是十分必要的。
　　本文對(duì)風(fēng)光互補(bǔ)型微網(wǎng)中各類負(fù)荷的特性進(jìn)行了深入分析，明確了影響各類負(fù)荷的外界因素;通過(guò)對(duì)現(xiàn)有的負(fù)荷預(yù)測(cè)方法進(jìn)行研究，最終建立了基于數(shù)據(jù)挖掘與支持向量機(jī)的預(yù)測(cè)模型。該模型以微網(wǎng)中

2、各類負(fù)荷影響因素為基礎(chǔ)，通過(guò)各類負(fù)荷對(duì)應(yīng)的日類型模糊分類器，將原始數(shù)據(jù)進(jìn)行分類;再根據(jù)預(yù)測(cè)日的日類型在相應(yīng)的日類型子數(shù)據(jù)庫(kù)中，采用灰色關(guān)聯(lián)度分析法選取樣本數(shù)據(jù);將樣本數(shù)據(jù)整理輸入到SVM預(yù)測(cè)模型中，完成預(yù)測(cè)。預(yù)測(cè)模型充分吸取了數(shù)據(jù)挖掘技術(shù)和SVM的優(yōu)點(diǎn)，具有運(yùn)算速度快、預(yù)測(cè)精度較高等特點(diǎn)。
　　文中SVM模型采用LisbSVM軟件包實(shí)現(xiàn)，并將軟件包功能移植到Visual C++中。對(duì)同一地區(qū)的小型光伏電站功率、小型風(fēng)電場(chǎng)功率和部分