基于自适应双向加权最小二乘支持向量机的超短期负荷预测.pdf

《基于自适应双向加权最小二乘支持向量机的超短期负荷预测.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第38卷第19期电力系统保护与控制V_o】_38NO．192010年10月1日PowerSystemProtectionandControl0ct．1．20t0基于自适应双向加权最／ix-．乘支持向量机的超短期负荷预测王岗17姜杰，唐昆明，张太勤(1．输配电装备及系统安全与新技术国家重点实验室(重庆大学)，重庆400044；2．重庆新世纪电气有限公司，重庆400039)摘要：应用模糊加权最小二乘支持向量机对超短期负荷进行预测，为了体现离预测点越远的历史负荷数据对预测点负荷值的影响越不明显的特点，即“近大远小”的原则，在双向，即横向(输入样本)与纵向(训练样本集)引入时间域的隶

2、属分布。并用快速留一法在线优化模型的参数，实现了相关参数的自适应选择，克服了应用固定系数进行预测的缺点。应用某地区的负荷数据进行了仿真预测，并应用不同的方法进行了对比。结果表明，所提出的方法与传统方法相比提高了超短期负荷的预测精度。关键词：最小．U-乘支持向量机；双向加权；快速留一法；超短期负荷预测；自适应参数选择Ultra--short—-termloadforecastingbasedonadaptivebidirectionalweightedleastsquaressupportvectormachinesWANGGang，JIANGJie，TANGKun—ming，

3、ZHANGTai-qin(1．StateKeyLaboratoryofPowerTransmissionEquipment&SystemSecurityandNewTechnology，ChongqingUniversity，Chongqing400044，China；2．ChongqingNewCenturyElectricalCo．LTD，Chongqing400039，China)Abstract：Weightedleastsquaresfuzzysupportvectormachinesmethodisproposedforultra—short—termloadfo

4、recasting．Inorder幻reflectthecharacteristicthatthenearerdatahaveagreaterimpactonthepredictingvalue，themembershipdistributionoftimedomainisintroducedinbi-direction，namely，transverse(outputsamples)andlongitudinal(trainingsamples)．Toovercomethedisadvantageofpredictingwithafixedcoeficient，fastle

5、ave—one—outmethodisusedtoadaptivelyoptimizetheparameterson—line．Theloaddatafromasubstationisusedforsimulatingandtheapplicationsofdifferemmethodsarecompared．Theresultsshowthattheproposedmethodcanimprovetheforecastingaccuracycomparedwithtraditionalmethods．Keywords：LS-·SVM．bidirectionalweighte

6、d；fastleave-·one--out；ultra-short—·termloadforecasting；adaptiveparameterselection中图分类号：TM715文献标识码：A文章编号：1674．3415(2010)19．0142．05慢、鲁棒性不强等局限性。为解决速度问题，Suykens0引言等【J¨提出最小二乘SVM算法(LS．SVM)。目超短期负荷预测是对未来1h以内的负荷进行前，最小二乘支持向量机在预测方面已有不少应预测，其主要用于实时安全分析、实时经济调度、用[12-13]都取得了一定的效果，也有相应的改进，自动发电控制[1l。长期以来，国内外

7、学者对超短期如文献[141中考虑了影响预测精度的主要为近期样负荷预测的理论和方法做出了大量的研究，提出了本，故赋予各组样本一定的隶属度，使得训练中近许多预测方法，如线性外推法[2-31、神经网络法l4】期样本的误差相对较小，远期样本的误差相对较大。等，线性外推法为线性模型难以反映电力负荷的非但该方法的LS—SVM相关参数为定值，其未随着样线性特性；而神经网络法存在容易陷入局部最优、本的更新而变动，在一定程度上降低了预测的准确“过拟合”、泛化性能力不强等缺点。以上方法的缺性。超短期负荷预测在不考虑气象因素