基于B-S和支持向量機(jī)的電力負(fù)荷預(yù)測研究.pdf

1、月度負(fù)荷預(yù)測是電力計(jì)劃部門、用電營銷部門的重要工作，其目的是為了合理的安排電力系統(tǒng)的中期運(yùn)行計(jì)劃和銷售或用電計(jì)劃。只有掌握負(fù)荷變化規(guī)律，選擇合適的預(yù)測模型，才能真正提高預(yù)測的精度，降低運(yùn)行成本，提高供電可靠性。 支持向量機(jī)(Support Vector Machine，簡稱SVM)是一種新興的學(xué)習(xí)機(jī)器，有較為完備的理論基礎(chǔ)和較好的學(xué)習(xí)性能，成功解決了神經(jīng)網(wǎng)絡(luò)難以克服的局部最優(yōu)等問題，被稱為神經(jīng)網(wǎng)絡(luò)的替代算法。因此，本論文將其引入

2、到電力系統(tǒng)的月負(fù)荷預(yù)測中來。 文中詳細(xì)介紹了作為SVM理論基礎(chǔ)的統(tǒng)計(jì)學(xué)習(xí)理論和SVM分類模型和回歸模型，對(duì)SVM模型中的參數(shù)對(duì)其性能影響進(jìn)行了詳細(xì)分析，并給出了參數(shù)選擇的通用方法。文中針對(duì)月負(fù)荷周期性趨勢較明顯的時(shí)間序列提出了修正指數(shù)加權(quán)SVM模型。文中采用多尺度思想將負(fù)荷序列分解為光滑的長期趨勢序列和以年為周期的含隨機(jī)波動(dòng)的季節(jié)性趨勢序列，然后分別利用標(biāo)準(zhǔn)SVM和修正指數(shù)加權(quán)SVM方法進(jìn)行訓(xùn)練，文中以2005年華北地區(qū)某縣的月