基于小波分析和機器學習的電力負荷預測.pdf

1、電力系統(tǒng)短期負荷預測是電力系統(tǒng)安全和經濟運行的重要依據。隨著我國電力市場的快速發(fā)展,對短期負荷預測的精度提出了更高的要求。負荷預測的核心問題是預測的技術方法,或者說是預測的數學模型。負荷預測的方法有很多種,隨著研究的不斷深入,不斷涌現出新的理論和新的方法。人工神經網絡和支持向量機作為機器學習算法,廣泛應用于處理回歸問題等領域。小波分析在時域和頻域方面有十分明顯的優(yōu)勢。針對短期負荷非平穩(wěn)性和非線性特點,結合小波分析和機器學習各自的優(yōu)點,本

2、文將研究基于小波分析和機器學習的電力負荷預測方法。
　　本文先闡述了小波分析理論,分析了小波變換在時域和頻域具有局部細化的顯著特點,再重點介紹了機器學習中的支持向量機,它以統(tǒng)計學習理論為基礎,以結構風險最小化為原則,具有全局最優(yōu)、泛化能力強、預測精度高等顯著特點。針對短期負荷的非平穩(wěn)性,采用離散小波變換將負荷數據進行分解,使得分解后得到的各子序列比原始負荷數據序列有更強的規(guī)律性。將得到的各序列,分別通過兩種機器學習模型(最小二乘支