关于pca-svm模型的中长期电力负荷预测

《关于pca-svm模型的中长期电力负荷预测》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、基于PCA-SVM模型的中长期电力负荷预测詹长杰，周步祥（四川大学电气信息学院，成都610065）摘要：电力系统负荷预测模型可以分为单一指标模型和信息集（多指标）模型，为客观准确地对中长期负荷预测进行研究，就要避免重要信息的遗漏，尽可能多的考虑与其有关联的信息。针对信息集模型中的大量信息，通过主成分分析法把综合信息集简化为少数几个主成分，降低了数据的维数；引入核函数和对偶技巧对支持向量机算法进行改进，有效避免了维数灾难和目标函数不可微的问题。通过标准SVM和PCA-SVM模型仿真对比，验证PCA-SVM模型预测结果更为准确，所提方法具有一

2、定的实用性和有效性。关键词：中长期负荷预测；综合信息集；主成分分析；支持向量机中图分类号：TM732文献标识码：A文章编号：1001－1390（2015）09－0000－00ThemediumandlongtermpowerloadforecastingmodelbasedonPCA-SVMZhanChangjie，ZhouBuxiang(SchoolofElectricalEngineeringandInformation,SichuanUniversity,Provincial-LevelKeyLaboratoryofSmartGri

3、d,Chengdu610065,China)Abstract：Powersystemloadforecastingmodelcanbedividedintothesingleindexmodelandinformationcollectionmodel.Tomodel.Toinsuretheaccuracy,itisnecessarytoavoidmissingtheimportantinformationandmustcollecttherelatedindicatorsasmuchaspossible.Thispaperusedpri

4、ncipalcomponentanalysis(analysis(PCA)tosimplifyinformation.Datainformation.Datacorrelationremovedanddatadimensionreducedthroughnormalizationprocessing.Byprocessing.Byintroducingthekernelfunctionandthedualskillsofthesupportvectormachinealgorithm,caneffectivelyavoidthecurse

5、ofdimensionality.Compareddimensionality.ComparedtotheSVMmethod,theaccuracyofloadforecastingiseffectivelyimproved.Keywords：mediumandlongtermloadforecasting，comprehensiveinformation,principalinformation,principalcomponentanalysis（PCA）,,supportvectormachine(SVM)0引言电力负荷预测是电网规

6、划中的基础工作，对电网规划的质量起关键性的作用。准确的负荷预测将为电源的合理布点、适时的电网建设、最佳的投资时间以及获得最大的经济效益和社会效益提供科学的决策依据，并为电网的安全、经济、可靠运行提供保证。其中短期负荷预测有助于调度人员协调水火发电机组的启停、合理切换供配线路及安排检修计划等工作[1-5]；中长期负荷预测能展望未来一段时间地区负荷的发展趋势，在电网规划、燃料计划、发配系统及电力市场中长期负荷评估计划中具有重要意义[6-9]。负荷的准确预测对电力系统运行的安全性经济性以及当地国民经济的协调发展有着深远的影响。按照电力系统负荷预

7、测考虑因素的多少可以将其分为两类：一类为只包含单一指标的模型；一类是信息集（多指标）模型。近几年，信息集模型的电力系统负荷预测建模和相关方法的研究是相关学术领域中的热点问题。为了客观全面的反映事物的发展相关规律，对事物进行准确的研究，就要避免重要信息的遗漏，考虑与其有关联的尽可能多的指标和变量。而加入的变量越多，研究的问题也会变得越复杂。文中提出了一种改进的PCA-SVM算法对考虑信息集的模型进行中长期负荷预测研究，通过主成分分析法[10-11]对综合信息集中的数据进行降维处理，根据累计贡献率选出主成分并作为支持向量机算法训练样本的输入数

8、据；支持向量机算法[12-13]通过引入核函数和对偶技巧解决了维数灾难和目标函数不可微问题。用SVM算法和PCA-SVM算法模型进行仿真实验，通过实例比较验证了PCA-SVM模型具有更高的预测