基于最小二乘支持向量機改進算法的短期負荷預測.pdf

1、電力系統(tǒng)短期負荷預測是調度的一項重要工作，也是制定購電計劃和經濟運行的主要依據(jù)，對電力系統(tǒng)安全、可靠的運行意義重大。隨著電力系統(tǒng)的發(fā)展，預測精度高、能夠考慮各種影響因素的預測方法越來越受到重視。針對短期負荷預測的各種影響因素的非線性特性，提出基于最小二乘支持向量機(LSSVM)的電力系統(tǒng)短期負荷預測新方法，以提高預測精度和時效性，該研究具有重要的理論意義和實用價值。 本文分析了最小二乘支持向量機的基本原理并將其用于電力系統(tǒng)短期負

2、荷預測，從對樣本的訓練過程可以看出當樣本數(shù)目較大時，最小二乘支持向量機的訓練過程相對緩慢，所以應用最小二乘支持向量機增量式學習方法對樣本進行訓練來提高訓練速度；并針對最小二乘支持向量機喪失了支持向量機解的稀疏性，誤差較大這一特點，用改進的剪枝算法對解進行稀疏化處理，使預測結果更理想。 根據(jù)負荷預測的實際需要，將此算法通過VB編程加到原負荷預測軟件中，也將其加到原有的負荷預測評估算法中，并將此負荷預測軟件在黑龍江省伊春、大興安嶺、