基于貝葉斯理論的支持向量機短期負荷預測.pdf

1、短期負荷預測是電力系統(tǒng)安全和經濟運行的重要參考依據(jù)，隨著我國電力工業(yè)市場化改革的穩(wěn)步推進，電力公司必須即時地把握負荷變化的信息，人們開始越來越重視短期負荷預測的關鍵作用，同時也對短期負荷預測的精確性提出了更高的要求。
　　相對于傳統(tǒng)預測方法，支持向量機具有非線性擬合、泛化能力強、訓練收斂速度快等優(yōu)點，且對于有限個小樣本問題具有非凡的處理能力。利用支持向量機的優(yōu)越性,針對短期負荷預測中存在的非線性特點,提出基于支持向量機的短期負荷預

2、測方法。為了克服不確定性數(shù)據(jù)信息對短期負荷變化的干擾，在對支持向量機方法研究的基礎上，繼而提出一種基于貝葉斯理論的支持向量機短期負荷預測新方法。
　　本文主要研究內容如下：
　　1.首先對短期負荷特性進行具體分析，然后構建基于 SVM短期負荷預測模型，并通過算例與應用較為廣泛的神經網(wǎng)絡方法進行比較分析，驗證了其良好的預測性能。
　　2.由于短期負荷受天氣原因、重大節(jié)假日等隨機、不確定性變化因素的影響較大,為了有效地克服

3、不確定性數(shù)據(jù)信息對短期負荷變化的干擾，引入貝葉斯基本理論，提出將貝葉斯理論與支持向量機相結合的方法，通過改進學習訓練機制，構建一種基于貝葉斯理論的支持向量機預測模型。
　　3.為了使模型預測精度更高，計算復雜度更低，總體穩(wěn)定性更強，利用貝葉斯證據(jù)框架下的貝葉斯推斷準則對模型中的相關參數(shù)及核參數(shù)進行優(yōu)化選擇。
　　4.將優(yōu)化后的基于貝葉斯理論的支持向量機預測模型對短期負荷進行實例預測，并與基于SVM預測模型的預測結果進行比較分