最小二乘支持向量机短期负荷预测研究.pdfVIP

第32卷增刊 四川 电 力 技 术 Vo1．32，SUpplement 2009年 l2月 SichuanElectricPowerTechnology Dec．，2009 最小二乘支持向量机短期负荷预测研究 侯贺飞 。刘俊勇 (四川大学电气信息学院，四川 成都 610065) 摘 要：电力系统短期负荷预测是一项非常重要的工作 ，准确的短期负荷预测对于电力系统经济、安全、可靠的运行 具有特别重要的意义。随着电力系统的El趋复杂化，特别是电力市场的逐步深入，短期负荷预测被赋予了更高的要 求。提 出了基于负荷 日周期性进行前后向外推的数据预处理新方法，为短期负荷预测模型利用这些历史数据奠定了 基础。最小二乘支持向量机是新一代机器学习方法，将其应用于电力系统短期 负荷预测，在充分利用 日周期性和 同 时刻 负荷相近性的基础上，提出了基于最小二乘支持向量机回归算法(LSSVR)的短期 负荷预测点模型。该模型通过 采用不同天同时刻的负荷样本训练LSSVR来获取负荷的最优线性回归函数 ，实现 了在最小化 负荷样本点误差的同 时，缩小模型泛化误差的上界，获取 了较好的负荷预测性能。 关键词 ：电力系统；短期负荷预测 ；最小二乘支持向量机 Abstract：Short—terraloadforecastingisaveryimportanttaskofpowersystem．Accurateshort —term loadforecastingis meaningfulfortheeconomical，safeandcredibleoperationofpowersystem．Withthedevelopmentofpowersystem ，especially thedevelopmentofpowermarket，theforecastingmethodwithhighaccuracymustberesearched．A new methodof pre—dis— posinghistorydataisproposedbasedonthedailyperiodicityofload，whichlaysthefoundationforusinghistorydatabythe mode1．Leastsquaresupportvectorregression(LSSVR)algorithm isanewgenerationofmachinelearningalgorithms．So， basedondailyperiodicityandthesamemomentsimilarityofload，aLSSVR —basedshort—term loadforecastingmode1isput forward．Theoptimalloadlinearregressionfunctionisobtainedbyuseofthesamplesinthesametimebutinthedifferentdays totrainLSSVR．Whiletheminimum loadsampleerrorisachieved，themodelgeneralizationelToronthesectorisreduced，SO abetterloadforecastingperfomr anceisobtained． Keywords：powersystem ；short—term loadforecasting；leastsquraesupport vectormachine 中图分类号：TM714 文献标志码：A 文章编号：1003—6954(2009)增一0010—05 数，又将求解二次规划的问题转化成线性 KKT方程 0 引 言 组的求解，极大地降低了求解的复杂性 ，提高了支持