基于SVM的組合預(yù)測(cè)在中長(zhǎng)期電力負(fù)荷預(yù)測(cè)中的應(yīng)用.pdf

1、電力負(fù)荷預(yù)測(cè)是進(jìn)行電力系統(tǒng)發(fā)電規(guī)劃的重要依據(jù)。準(zhǔn)確的負(fù)荷預(yù)測(cè)有利于提高電力系統(tǒng)運(yùn)行的經(jīng)濟(jì)性和可靠性。電力系統(tǒng)負(fù)荷的大小與多種因素有關(guān)，未來(lái)負(fù)荷與所能利用的影響變量之間存在復(fù)雜的非線性關(guān)系。對(duì)中長(zhǎng)期電力負(fù)荷進(jìn)行預(yù)測(cè)可為電網(wǎng)規(guī)劃提供重要依據(jù)。
　　 支持向量機(jī)是一種新的機(jī)器學(xué)習(xí)算法，對(duì)于一些諸如小樣本、非線性、高維數(shù)和局部極小點(diǎn)等實(shí)際問(wèn)題都可以較好的解決。與短期電力負(fù)荷數(shù)據(jù)比起來(lái)，中長(zhǎng)期電力負(fù)荷數(shù)據(jù)具有小樣本的特點(diǎn)。恰好支持向量機(jī)處

2、理小樣本數(shù)據(jù)具有其他模型無(wú)法比擬的優(yōu)勢(shì)，且SVM回歸方法具有良好的擬合和外推能力。本文提出一個(gè)基于支持向量機(jī)的中長(zhǎng)期電力負(fù)荷組合預(yù)測(cè)模型及其求解步驟。在預(yù)測(cè)過(guò)程中，首先利用多個(gè)單一預(yù)測(cè)方法如趨勢(shì)預(yù)測(cè)模型，指數(shù)模型，非線性回歸模型，改進(jìn)的灰色GM(1，1)模型和改進(jìn)的灰色Verhulst模型構(gòu)成預(yù)測(cè)模型群，對(duì)原始電力負(fù)荷數(shù)據(jù)進(jìn)行擬合。然后，把預(yù)測(cè)模型群的擬合結(jié)果作為支持向量機(jī)回歸模型的輸入進(jìn)行二次預(yù)測(cè)，形成變權(quán)重的組合預(yù)測(cè)。本文對(duì)基于SV