相关改进pso-lssvm的短期电力负荷预测

《相关改进pso-lssvm的短期电力负荷预测》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、控制理论与应用自动化技术与应用》2016年第35卷第3期ControlTheoryandApplications基于改进PSO—LSSVM的短期电力负荷预测马小津．朱博，戴琳，张伟，陈熙(1．合肥通用机械研究院，安徽合肥230088；2．安徽省电力设计院，安徽合肥230022)摘要：短期电力负荷预测是电力系统安全调度、经济运行的重要依据，随着电力系统的市场化，负荷预测的精度直接影响到电力系统运行的可靠性、经济性和供电质量。LSSVM不仅保持了SVM的优点，同时降低了计算复杂性，加快求解速度，为短期电力负荷预测提供了一个新

2、的研究方向。本文将最小二乘支持向量机(LSSVM)用于短期电力负荷预测，提出基于LSSVM的短期电力负荷预测模型，同时建立改进粒子群模型对LSSVM进行参数优化，并以浙江台州某地区的历史负荷数据和气象数据为例进行验证，实例验证表明，改进PSO-LSSVM模型的预测效果明显提高。关键词：最小二乘支持向量机(LSSVM)；短期电力负荷；预测；粒子群(PSO)中图分类号：TP13文献标识码：A文章编号：1003—724l(2016)03一o005—06Short—TermPowerLoadForecastingBasedonI

3、mprovedPSO．LSSVMMAXiao-jin，ZHUBo，DAILin，ZHANGWei，ChenXi(I．HefeiGeneralMachineryResearchInstitute，Hefei230088China；2．AnhuiElectricPowerDesignInstitute，Hefei230022China)Abstract：Short-termpowerloadforecastingisallimportantbasisforthesafedispatchofpowersystemandecon

4、omicoperation，Withthemarketizationofpowersystem，theprecisionofloadforecastingdirectlyafectsthereliability,theeconomyandthequalityofpowersupplyofpowersystemoperation．LSSVMnotonlykeepstheadvantagesofSVM，butalsoreducesthecomplexityofcalculation，speedupthecomputation

5、，providesanewresearchdirectionforshort-termloadforecastingofpowersystem．ThisarticleusesLSSVMtoshort-termpowerloadforecasting，andproposesthemodelofshort-termpowerloadforecastingbasedontheLSSVM．Simultaneously,itestablishestheimprovementPSOmodeltooptimizetheLSSVMpar

6、ameter．TakingthehistoricalloaddataandmeteorologicaldataofZhejiangTaizhousomeareasforexample，itindicatesthattheforecastefectofimprovedPSO-LSSVMmodelenhancesdistinctly．Keywords：leastsquaressupportvectormachine；short-termpowerload；forecast；particleswarmoptimization1

7、引言中的重要课题。目前，常用的短期电力负荷预测方法主电力系统的任务是给用户提供优质电能，然而电能要有：时间序列法u、卡尔曼滤波⋯、神经网络法’、的生产、输送、分配和消费是同时完成的，难以储存，支持向量机(SVM)等。SVM的基本思想是：通过一这就要求系统发电紧跟系统负荷的变化以达到动态平个非线性映射，把样本空间映射到一个高维特征空间，衡，否则就会影响供用电的质量，甚至危及电力系统的然后基于结构风险最小化原则，在高维特征空间中应用安全与稳定。因此，电力系统负荷预测已成为电力系统线性学习机的方法，解决样本空间中的高度非线性分

8、类和回归等问题。该算法是一个凸二次规划问题，能确保收稿日期：2015-04—07找到问题的全局最优解。LSSVM在保持SVM的基础上，《自动化技术与应用》2016年第35卷第3期控制理论与应用ControlTheoryandApplications降低计算复杂性，加快求解速度，为短期电力负荷预测Y=∑(，x)+6(5