[毕业论文（李开文）(1)

《[毕业论文（李开文）(1)》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、重庆大学工程硕士学位论文基于支持向量机回归算法的电力系统短期负荷预测研究题目作者李开文完成日期2008年7月培养单位重庆大学指导教师教授指导教师教授工程领域电气工程授予学位日期2008年月日基于支持向量机回归算法的电力系统短期负荷预测研究专业电气工程研究生李开文指导教师XXX短期负荷预测是电力系统运行调度中一项非常重要的内容，它是电网安全经济运行的前提，也是调度安排开停机计划的基础，对电网调度自动控制非常重要，其预测精度直接影响电力系统的经济效益。随着电力改革的深化，电力市场的进一步开放，高质量的短期负荷预测愈显得

2、重要和迫切。本文在对现有各种预测算法进行深入、细致研究的基础上，分析了各种算法的优缺点以及其所适用的范围，详细地综述了近年来国内外应用和研究的进展情况。通过对电力负荷特性的分析，认识到不同天同一时刻的电力负荷具有大致相近的从影响因素到负荷值的函数映射关系，提出了基于综合法的数据预处理新方法，为短期负荷预测模型利用这些历史数据奠定了基础。由于负荷预测的实质就是寻找一种能较准确地拟合多种影响因素与负荷之间非线性复杂关系的函数映射，而支持向量机是建立在统计学习理论基础上的新一代机器学习方法，以结构风险最小化原则为理论出发

3、点，具有较强的非线性拟合能力和较好的推广能力，并较好地解决了高维数、非线性、小样本、局部极小值等实际问题。所以本文将其应用于电力系统短期负荷预测，提出了基于支持向量机回归（SVR）及其参数优化的短期负荷预测方法。一方面，该方法通过充分利用负荷的日周期性和同时刻负荷相近性，采用不同天同时刻的负荷样本训练SVR来获取负荷的最优回归函数，实现了在最小化负荷样本点误差的同时，缩小模型泛化误差的上界；另一方面，该法在考虑参数对SVR预测模型的影响的基础上，将虚拟预测策略和粒子群算法运用于支持向量机参数的优化，实现了模型参数的

4、自适应优化选择，克服了SVR建模过程的盲目性，并以仿真测试证明了所提方法的可行性和有效性。但是，由于电力负荷的影响因素繁多、复杂且不确定，并呈现出十分复杂的非线性关系，在同时刻的历史负荷样本中，既有与预测时刻相似度高的样本，也有相似度差的样本，而且，其作为一种机器学习方法，预测效果在很大程度依赖于训练样本集的规律性。因此，本文针对上述缺陷将最优FCM分析引入短期负荷预测中，提出了基于最优FCM聚类分析和PSO-SVR的短期负荷预测新模型，在考虑电力负荷变化周期性的基础上，通过对历史负荷样本的最优FCM聚类分析，获取

5、了负荷样本的最优模式分类和预测时刻的最优训练样本集，强化了参与SVR训练建模的负荷样本的输入-输出数据规律性，保障了训练样本在更高程度上近似满足相同的输入-输出函数关系，实现了最优FCM聚类分析和PSO-SVR算法的有效结合，在减少了训练样本的同时，实现了参数的自适应选择，提高了PSO-SVR的预测效果，并以仿真实验证明了所提模型是有效的。论文最后对主要工作和研究内容进行了总结，并提出了有待进一步研究的问题。关键词：电力系统；短期负荷预测；综合预处理；支持向量机；粒子群优化；最优FCM聚类分析Researchfor

6、theShort-termLoadForecastingofElectricPowerSystemBasedonSupportVectorRegressionMajor:ElectricengineeringGraduate:LiKaiWenAdvisor:XXXShort-termloadforecastingisveryimportantfortheoperationofanyelectricutility.Itistheprerequisiteofpowernetwork’ssafeandeconomicop

7、erationandthefoundationofstartup-shutdownschedule.Itisveryimportantforautomaticcontrol,whoseaccuracydirectlyinfluencespowersystem’seconomicbenefit.Alongwiththefurtherdevelopmentofelectricpowerreformsandthefurtheropeningofpowermarket,thehighqualityshort-termloa

8、dforecastingmethodappearsmoreimportantandurgent.Atfirst,thispaperintroducesthebackgroundandsignificanceoftheshort-termloadforecastingandmakesin-depthresearchesonthevariousmethods.B