基于最小二乘支持向量机的短期电力负荷预测

发布时间：2021-11-07 09:56

　　经济与科技水平的不断提高使人们对用电的要求变得越来越高,而电力系统短期负荷预测技术对确保电力系统安全、稳定、经济运行具有重要的意义。无论在传统电网环境下,还是智能电网的新环境下,高质量的短期负荷预测变得十分迫切,本文提出了一种基于最小二乘支持向量机的电力系统短期负荷预测方法。在短期负荷预测中,负荷的特性是构建负荷预测模型的基础。本文首先通过描绘a地区2016年的日最高负荷、日最低负荷、日峰谷差、日负荷率的电力负荷数据分布图,充分了解电力负荷的特性,并在此基础上建立简单的回归模型,得到了最高温度、最低温度、平均温度、相对湿度、降雨量等气象因素对电力负荷的影响。并对历史负荷数据中的异常数据进行了修正,对电力负荷预测相关的影响因素进行了归一化处理。其次,本文在负荷特性分析、输入样本特征选择和历史数据预处理的基础上,建立了最小二乘支持向量机预测模型。最小二乘支持向量机是一种新的基于统计学习理论的机器学习方法,具有泛化能力强、全局最优和计算速度快等突出优点,已经成功的应用于短期负荷预测领域。最后,为了进一步提高预测精度,针对目前最小二乘支持向量机参数选取方法的缺点,本文采用改进粒子群算法对最小二... 

【文章来源】：河北工业大学天津市 211工程院校

【文章页数】：79 页

【学位级别】：硕士

【部分图文】：

所示，1H与2H平面之间的距离称作该超平面关于[(,)]ijxx的分类间隔，训练样本到这个超平面的距离最少是1/w，即H平面与H平面到H平面的距离是

河北工业大学硕士学位论文通过如图3.8可以得到回归方程的一些参数信息，比如方程的每个变量的系数，以及方程的常数项信息。图3.8五个自变量的回归分析利用图中表达的信息，构造的回归方程的表达式如下：112345y=5604.1433.500x+130.059x+105.834x12.906x+5.856x(3.7)通过仔细的观察分析，可以得到自变量的影响大小：自变量145x,x,x与其他两个自变量相比，影响效果不太明显，也就是说，最高温度、相对湿度、降雨量这三个变量的影响效果不如最低温度，平均温度这两个自变量的影响效果。所以下面减去这几个自变量，然后进行又一次的统计，得到的结果如图3.9所示：图3.9两个自变量的回归分析-31-

河北工业大学硕士学位论文通过如图3.8可以得到回归方程的一些参数信息，比如方程的每个变量的系数，以及方程的常数项信息。图3.8五个自变量的回归分析利用图中表达的信息，构造的回归方程的表达式如下：112345y=5604.1433.500x+130.059x+105.834x12.906x+5.856x(3.7)通过仔细的观察分析，可以得到自变量的影响大小：自变量145x,x,x与其他两个自变量相比，影响效果不太明显，也就是说，最高温度、相对湿度、降雨量这三个变量的影响效果不如最低温度，平均温度这两个自变量的影响效果。所以下面减去这几个自变量，然后进行又一次的统计，得到的结果如图3.9所示：图3.9两个自变量的回归分析-31-


本文编号：3481645