论文部分内容阅读
电力系统短期负荷预测是电力系统安全和经济运行的重要依据。价格竞争机制引入电力系统形成电力市场后,对短期负荷预测的精度和速度提出了更高的要求。虽然负荷预测的研究己有几十年历史,有很多负荷预测的理论和方法,但是随着新理论和新技术的发展,对负荷预测新方法的研究仍在不断地深入进行。支持向量机作为数据挖掘的一项新技术,应用于模式识别和处理回归问题等诸多领域。小波分析理论在时间频域分析方面有独特的优势。针对短期负荷预测的各种影响因素的非线性特性,结合小波分析和支持向量机各自的优势,本文提出基于小波分析和支持向量机的电力系统短期负荷预测新方法,以提高预测精度和时效性,具有重要的理论意义和实用价值。本文介绍了支持向量机的基本原理,分析了支持向量机所具有非线性拟合、泛化能力强、训练收敛速度快等显著特点。针对电力系统负荷与各种影响因素之间的非线性关系,建立了基于支持向量机的短期负荷预测模型,并与神经网络方法作了实例分析比较,印证了支持向量机在负荷预测方面的优越性。由于影响负荷的因素繁多且复杂,若对输入不加适当选择处理会导致预测精度降低,训练时间增加。本文采用小波分析这种有效的时间负荷序列分析技术,将历史负荷序列分为几个频率不同的更具有可预测性的序列,强化了历史数据规律。在基于支持向量机负荷预测的基础上,对样本负荷序列进行频域分解,建造负荷预测的支持向量机模型。实例分析验证了基于小波分析和支持向量机的负荷预测方法能够有效的提高负荷预测的精度。本文在VC++6.0的基础上,利用ODBC技术和调用MATLAB引擎的方法,实现了模块化、面向对象负荷预测平台的设计。同时将提出的基于小波分析和支持向量机的负荷预测模型加入了预测平台,实现了此算法从理论研究到实际应用的过渡。