基于主成分分析和支持向量機的電力短期負荷預測.pdf

1、電力短期負荷預測是電力系統(tǒng)中一項重要的工作，它對于電力系統(tǒng)的安全和經(jīng)濟的運行都有著重要的意義。由于電力短期負荷受到多種因素的影響，所以考慮這些影響的因素的人工神經(jīng)網(wǎng)絡在短期電力負荷預測中得到了廣泛的應用。隨著電力短期負荷預測技術研究的深入，人工神經(jīng)網(wǎng)絡在電力短期負荷預測的應用中存在的缺點日益顯現(xiàn)出來。支持向量機作為人工神經(jīng)網(wǎng)絡的替代法被引入電力短期負荷預測中，它能夠有效的避免人工神經(jīng)網(wǎng)絡訓練算法中的過學習、維數(shù)災、局部極小點的等問題，支

2、持向量機及其改進算法在電力短期負荷預測中應用的研究得到了廣泛的關注。
　　本文從分析支持向量機的基本原理出發(fā)，雖然支持向量機具有非線性擬合、泛化能力強、訓練收斂速度快等顯著特點，但當處理海量電力負荷數(shù)據(jù)時，支持向量機的訓練效率降低，針對解決這一問題提出的最小二乘支持向量機被引入電力短期負荷預測中。本文建立了基于最小二乘支持向量機的電力短期負荷預測模型，并與傳統(tǒng)的負荷預測方法作了實例分析比較，結果表明最小二乘支持向量機的負荷預測精度

3、比較高。
　　當負荷樣本數(shù)據(jù)維數(shù)過高時，最小二支持乘向量機負荷預測模型的泛化能力將下降，主成分分析就是一種線性降維的措施。本文建立了基于主成分分析的最小二乘支持向量機的電力短期負荷預測模型，經(jīng)過算例驗證，該方法減少了工作量，提高了負荷預測模型的預測精度。
　　通過主成分分析獲得的是原始特征的線性關系，核主成分分析能夠反映原始特征的非線性關系。本文提出了基于核主成分分析的最小二乘支持向量機的短期負荷預測模型，經(jīng)過算例驗證，該模