基于偏最小二乘法的支持向量机短期负荷预测

《基于偏最小二乘法的支持向量机短期负荷预测》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、‘黪SmartG—d第27卷第lO期电网与清洁能源Vo1．27No．102011年10月PowerSystemandCleanEnergy0ct．2011文章编号：1674—3814(2011)10—0032—04中图分类号：TM715文献标志码：A基于偏最小二乘法的支持向量机短期负荷预测浦星材1，沈晓风2，张清扬3，邓玉章(1．江苏省电力公司无锡供电公司，江苏无锡214061；2．西安理工大学水利水电学院，陕西西安710048；3．甘肃电投河西水电开发有限责任公司，甘肃张掖734000；4．四川省电力公司内江电业局，四川内江

2、641100)Short-TermLoadForecastingBasedonPartialLeastSquareSVMPUXing-cai，SHENXiao—feng，ZHANGQing-yang，DENGYu—zhang4(1．JiangsuElectricPowerCorporationWuxiPowerSupplyCorporation，Wuxi214061，JiangsuProvince，China；2．InstituteofWaterResourcesandHydro-electricEngineering，Xia

3、nUniversityOfTechnology，Xian，710048ShaanxiProvince，China；3．GansuTouRiverHydropowerDevelopmentLtd．，Zhangye734000，GansuProvince，China；4．Ne~iangPowerSupplyBureau，SichuanElectricPowerCorporation，Neijiang641100，SichuanProvince，China)ABSTRACT：Thispaperpresentedashort～term

4、load同，它采用的是结构风险最小化原~lJt41(StructureRiskforecastingmodelbasedonpartialleastsquareandSVM，firstlyMinimizati0n，SRM)，因此，其推广能力明显优于一drawingloadingdatacompenontbypartialleastsquare(PLS)，些传统的学习方法。支持向量机的另一个优点就是thecompenonthavethelinearityirrelativecharacteristic，andSVM的求解最后转化

5、成二次规划问题的求解，所以eliminatingmulti-relativeofinputfactorsubsequently．AndSVM的解是全局唯一的最优解，而且支持向量机在thenusingsupportvectormachines(SVM)achieveload解决小样本和非线性问题中有许多特有的优势[51。与forecasting．Theexampleindicatethatthepresentedshort—term神经网络方法相比，有着显著的优越性，被认为是loadforecastingmodelcomplyw

6、ithfastmodelandforecastaccuracy，whichisaneffectivemethod．人工神经网络的代替方法。KEYWORDS：loadforecasting；supportvectormachines；在实际运用过程中，负荷样本属性之间往往存partialleastsquare在着较强的相关性，当样本属性过多时，属性间的摘要：提出了一种基于偏最小二乘支持向量机的负荷预测相关性会带来冗余信息，会使得支持向量的数目过模型。首先通过偏最小二乘(PLS)对负荷数据进行成分提取，多，还会影响回归效果，从而会

7、影响预测的精确程提取的成分具有线性特点，并消除输入因素的多重相关性，度。针对上述问题，本文提出了基于偏最小二乘支然后采用支持向量机方法(svM)对提取的成分进行预测。算持向量机方法，利用偏最小二乘法对负荷数据进行例表明，该算法用于短期负荷预测建模速度快，预测精度高，预处理，进行属性约简，有效防止了样本属性之间是种行之有效的方法。的多重相关性对预测模型的影响，提高支持向量机关键词：负荷预测；支持向量机；偏最小二乘的预测精度。短期负荷预测是电力系统负荷预测的重要组成部分，对电力系统控制、运行起着十分重要的作1偏最小二乘法回归分析用

8、l1-2]。随着电力市场的发展，精度高、速度快的预测理论和方法越来越受到重视。偏最小二乘ts~gl(PartialLeastSquares，PLS)是一短期负荷预测的主要方法有：回归分析法、时种新型的多元统计数据分析方法，最早产生于化学间序列法、专家系统法、灰色理论法、卡尔曼