文档介绍：控制理论与应用自动化技术与应用》年第卷第期
基于改进—的短期电力负荷预测
,戴琳,张伟,陈熙
.合肥通用机械研究院,安徽合肥;
.安徽省电力设计院,安徽合肥
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。不仅保持了的优点,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的研究方向。本文将最小二乘支持向量机用于短期电力负荷预测,提出基于
的短期电力负荷预测模型,同时建立改进粒子群模型对进行参数优化,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,改进模型的预测效果明显提高。
关键词:最小二乘支持向量机;短期电力负荷;预测;粒子群
中图分类号: 文献标识码: 文章编号:—一—
—
.
,,,,
.,;
.,
: ,
,
. ,
,,
. ,
.
.,
.
: ;;;
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、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, 支持向量机等。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****机的方法,解决样本空间中的高度非线性分类
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:—找到问题的全局最优解。在保持的基础上,
《自动化技术与应用》年第卷第期控制理论与应用
降低计算复杂性,加快求解速度,为短期电力负荷预测
∑,
方法提供了一个新的研究方向。
应用模型预测浙江台州某地区未来小时式中,,表示从输入空间到高维特征空间的非
电力负荷。对样本数据进行预处理,选择输入样本,对线性映射
核函数的选择进行分析,建立数学模型,以实对于来说,确定选用高斯径向基核函数条
∑
测数据为例进行验证,以平均绝对百分比误差为评价标件下,需要选取的参数只有超参数和核函以数中的。
准,预测精度较高。同时,考虑到模型参数的选择对预过小,训练误差变大,;
测精度的重要影响,建立改进粒子群模型对参反之,训练误差变小,推广能力变差。小的。意味着
数进行优化,实例验证表明,改进—模型核更易局部化,有过训练的危险,而大。容易造成欠
的预测效果明显提高。训练。所以,为了使有更好的预测精度, , 采用
粒子群优化算法对这些参数进行优化选取。
原理和改进原理. 粒子群算法优化原理
. 原理针对,标准粒子群算法优化的思想是:将
是标准的一种扩展。按结构最小化原中需要选择的参数和。看作两个粒子,这
理, 优化目标可表示为: 两个粒子不断的更新位置和速度,并由目标函数计算
÷∑廖其适应度值,从而达到全局最优,即得到和