基于支持向量机的电力负荷预测研究

《基于支持向量机的电力负荷预测研究》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、基于支持向量机的电力负荷预测研究TheStudyofPowerLoadForecastBasedonSupportVectorMachine学科专业：电力系统及其自动化研究生：王浩鸣指导教师：葛少云教授天津大学自动化学院二零零九年八月独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得天津大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文作

2、者签名：签字日期：年月日学位论文版权使用授权书本学位论文作者完全了解天津大学有关保留、使用学位论文的规定。特授权天津大学可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。（保密的学位论文在解密后适用本授权说明）学位论文作者签名：导师签名：签字日期：年月日签字日期：年月日摘要电力负荷预测是根据电力负荷过去和现在的值以及相关影响因素推测它未来的值，是一项重要的基础性工作。长期以来，人们对电力系统负荷预测进行了大量

3、的研究，提出了许多有效的方法。这些方法可以分为确定性预测方法和非确定性预测方法两大类。确定性预测方法的基础是传统数学工具，负荷与变量之间有明确的一一对应关系；非确定性方法考虑了影响负荷变化的多种因素，把尽可能多的相关因素反映在预测模型中。非确定性方法由于需要考虑的影响因素较多，使用的数学模型也比较复杂，是需要研究的重点。本文研究的基于支持向量机（SVM）的电力负荷预测方法就是一种非确定性方法，属于人工智能领域。支持向量机方法是近几年来机器学习领域的重大成果，和传统的智能算法相比，它具有全局寻优的特点，在防止训练过学习、运算速度和结果精度等方面都表

4、现出明显的优越性。本文详细探讨基于支持向量机方法进行不同类型的负荷预测所需考虑的相关环境因素，建立了该方法下进行负荷预测的详细流程。给出应用该算法对负荷进行短期预测与中长期预测的实际算例，分析了算法参数、环境因素、原始数据等对负荷预测结果的影响，计算了该算法的预测精确度，并探讨了该算法用于不同类型电力负荷预测的应用效果。关键词：电力负荷预测支持向量机å−SVR长期负荷预测短期负荷预测ABSTRACTPowerloadforecastistheprocessthatusingitspastvalueandsomerelatedinformation

5、toforecastitsfuturevalue,andthisprocessisconsideredtobeafundamentalwork.Foralongtime,peoplehavestudiedonthisprocessmuchandcreatedmanyeffectivemethod.Powerloadforecastmethodcanbedividedintotwotypes,oneiscertainmethodandtheotherisuncertainmethod.Certainmethodisbaseontraditional

6、mathematictools,throughwhichtheloadvalueandthevariablerelatedonebyone.Uncertainmethodconsiderslotsoffactorsthatwillaffecttheloadvalue,anditistheresearchfocusnowandfuture.Powerloadforecastmethodbasedonsupportvectormachine(SVM)isoneoftheuncertainmethods,whichbelongtothehumanint

7、elligencearea.SVMisthemostimportantachievementintheareaofmachinelearningtheseyears.Ithasmanydominantcharacteristicsuchasglobaloptimization,preventingovertraining,goodcalculatingspeedandaccuracyandsoon.ThispaperdiscussedhowtouseSVMintoloadforecastandhowtoconsiderrelevantenviro

8、nmentalfactorsparticularly,andcreatedthedetailedprocessofthismethod.