支持向量机回归在短期电力负荷预测中应用研究.pdf

支持向量OLIaJ归和短期f乜力负荷顶测中的应用研究 中文摘要 支持向量机回归在短期电力负荷预测中的应用研究 中文摘要 随着我国电力行业的蓬勃发展，电网管理技术的只趋进步，关于电力系统负荷预 测问题的研究也引起了人们愈来愈多的关注。如何有效地进行电力负荷预测，已经成 为现代电力系统研究中的重要课题之一。本文主要针对电力系统短期负荷预测进行研 究与探讨。 建立在统计学习理论基础上的支持向量机(SVM)不仅具有结构简单的优点，而且 推广能力较传统模型有显著提高，因此能够很好的解决实际应用中小样本学习问题。 目前关于SVM的理论研究和实际应用都处于快速发展阶段，成为机器学习领域的研 究热点。本文所做的工作主要包括如下几个方面： (1)本文首先对电力负荷预测和SVM的研究现状进行综述，并简单介绍了目前 具有代表性的电力负荷预测模型，接着对支持向量回归(SVR)相关理论进行详细的描 述。 (2)支持向量回归在实际应用中存在两大难点，即特征选择和参数的优化。本文 针对这两大难点，设计了一种新的基于GA-IPSO的SVR预测模型，目的是获得更好 的学习性能与预测精度。该模型的主要设计思路为：①特征选择：基于遗传算法的特 征选择方法：②参数的优化：本文对基本PSO算法进行改进，并将该改进算法用于 SVR的参数优化。 (3)考虑到广义自回归条件异方差(GARCH)模型适应于波动性的分析和预测以 及SVR模型具有良好的泛化能力的特性，本文提出一种SVR与GARCH模型相结合 的新组合预测模型，旨在提高模型的预测精度。 在此基础上，本文给出仿真实例。通过对仿真结果的分析，验证本文所构建模型 的有效性。 关键词：电力系统，负荷预测，支持向量机回归，广义自回归条件异方差模型 作 者：程远虎 指导教师：伏玉琛 Abstract Researchon Vector in oftheshort-termloadofPower SupportRegressionprediction Systcm on Vector in of Research SupportRegressionprediction short-termloadofPower the System Abstract Withthe of andtheadvanceofthe powerindustry power rapiddevelopment Offload of raisesmoreand managementtechnology,researchforecastingpowersystem moreattention．Howto load of hasbecomean predictforecastingpowersystemeffectively issue．Thisthesisintroducesvector theshort-term important supportregression(SVR)into loadof powersystem． Basedonstatisti