基于改進支持向量機的短期電力負荷預測研究.pdf

1、有效準確的電力負荷預測既是使電網安全、經濟運行的有力保障，也為切實解決人民群眾最關心、最直接、最現實的用電問題提供了先決服務。因此，對該領域的研究一直是學術界的熱點問題。
　　 支持向量機(Support Vector Machine，簡稱SVM)是一種新興的學習機器，具有較為完備的理論基礎和較好的學習性能，成功解決了神經網絡難以克服的諸多問題，被稱為神經網絡的替代算法。因此，本論文將其引入到電力系統(tǒng)的短期負荷預測中來。在研究中

2、本文發(fā)現，負荷預測的影響因素有很多，有些因素是可以在特定情況下被去除的。在進行預測時，如果不對眾多因素（屬性）進行處理，勢必會提高預測模型的復雜程度并影響其實現效果，從而導致預測失準等問題。若僅憑經驗來對各屬性進行約減與提取，則又會因為缺乏依據，導致一些有用的信息被去除，同樣會致使預測失準。
　　 針對上述問題，本文進行了進一步研究。首先，采用粗糙集的有關理論與方法，對基于支持向量機的電力負荷預測技術進行改進，通過屬性約減與特征