基于B-S和支持向量機的電力負荷預(yù)測研究.pdf

1、月度負荷預(yù)測是電力計劃部門、用電營銷部門的重要工作，其目的是為了合理的安排電力系統(tǒng)的中期運行計劃和銷售或用電計劃。只有掌握負荷變化規(guī)律，選擇合適的預(yù)測模型，才能真正提高預(yù)測的精度，降低運行成本，提高供電可靠性。 支持向量機(Support Vector Machine，簡稱SVM)是一種新興的學(xué)習(xí)機器，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)難以克服的局部最優(yōu)等問題，被稱為神經(jīng)網(wǎng)絡(luò)的替代算法。因此，本論文將其引入

2、到電力系統(tǒng)的月負荷預(yù)測中來。 文中詳細介紹了作為SVM理論基礎(chǔ)的統(tǒng)計學(xué)習(xí)理論和SVM分類模型和回歸模型，對SVM模型中的參數(shù)對其性能影響進行了詳細分析，并給出了參數(shù)選擇的通用方法。文中針對月負荷周期性趨勢較明顯的時間序列提出了修正指數(shù)加權(quán)SVM模型。文中采用多尺度思想將負荷序列分解為光滑的長期趨勢序列和以年為周期的含隨機波動的季節(jié)性趨勢序列，然后分別利用標準SVM和修正指數(shù)加權(quán)SVM方法進行訓(xùn)練，文中以2005年華北地區(qū)某縣的月