基于聚類分析與SVM的電力短期負(fù)荷預(yù)測(cè)研究.pdf

1、電力系統(tǒng)短期負(fù)荷預(yù)測(cè)是電力系統(tǒng)安全和經(jīng)濟(jì)運(yùn)行的重要依據(jù)，隨著價(jià)格競(jìng)爭(zhēng)機(jī)制的引入和電力市場(chǎng)改革的深入，電力部門對(duì)短期負(fù)荷預(yù)測(cè)的精度提出了更高的要求。支持向量機(jī)是一種新型的機(jī)器學(xué)習(xí)方法，具有全局最優(yōu)、結(jié)構(gòu)簡(jiǎn)單、推廣能力強(qiáng)等優(yōu)點(diǎn)，在解決小樣本、非線性及高維模式識(shí)別問題中表現(xiàn)出許多特有的優(yōu)勢(shì)。然而支持向量機(jī)在進(jìn)行大數(shù)據(jù)量的負(fù)荷預(yù)測(cè)時(shí)存在數(shù)據(jù)噪聲、收斂速度慢等缺點(diǎn)，針對(duì)這些缺點(diǎn)，本文提出了一種利用聚類分析選擇相似日，結(jié)合支持向量機(jī)進(jìn)行短期負(fù)荷預(yù)測(cè)

2、的新方法，以保證數(shù)據(jù)特征的一致性，提高短期負(fù)荷預(yù)測(cè)的精度和速度。 本文首先全面、系統(tǒng)地闡述了短期負(fù)荷預(yù)測(cè)的研究現(xiàn)狀，分析了各種短期負(fù)荷預(yù)測(cè)方法的優(yōu)劣。接著詳細(xì)介紹了聚類分析理論和SVM回歸理論。隨后針對(duì)負(fù)荷預(yù)測(cè)的地域特性，對(duì)長(zhǎng)沙地區(qū)的負(fù)荷特性進(jìn)行了深入分析，確定了影響該地區(qū)負(fù)荷變化的主要因素；針對(duì)歷史數(shù)據(jù)噪聲問題，首次提出了利用SOM和C-均值聚類組合算法來選擇相似日，構(gòu)造相似日訓(xùn)練樣本并利用SVM模型進(jìn)行預(yù)測(cè)的新方法；針對(duì)SV