基于聚類分析與SVM的電力短期負(fù)荷預(yù)測研究.pdf

1、電力系統(tǒng)短期負(fù)荷預(yù)測是電力系統(tǒng)安全和經(jīng)濟運行的重要依據(jù)，隨著價格競爭機制的引入和電力市場改革的深入，電力部門對短期負(fù)荷預(yù)測的精度提出了更高的要求。支持向量機是一種新型的機器學(xué)習(xí)方法，具有全局最優(yōu)、結(jié)構(gòu)簡單、推廣能力強等優(yōu)點，在解決小樣本、非線性及高維模式識別問題中表現(xiàn)出許多特有的優(yōu)勢。然而支持向量機在進行大數(shù)據(jù)量的負(fù)荷預(yù)測時存在數(shù)據(jù)噪聲、收斂速度慢等缺點，針對這些缺點，本文提出了一種利用聚類分析選擇相似日，結(jié)合支持向量機進行短期負(fù)荷預(yù)測

2、的新方法，以保證數(shù)據(jù)特征的一致性，提高短期負(fù)荷預(yù)測的精度和速度。 本文首先全面、系統(tǒng)地闡述了短期負(fù)荷預(yù)測的研究現(xiàn)狀，分析了各種短期負(fù)荷預(yù)測方法的優(yōu)劣。接著詳細(xì)介紹了聚類分析理論和SVM回歸理論。隨后針對負(fù)荷預(yù)測的地域特性，對長沙地區(qū)的負(fù)荷特性進行了深入分析，確定了影響該地區(qū)負(fù)荷變化的主要因素；針對歷史數(shù)據(jù)噪聲問題，首次提出了利用SOM和C-均值聚類組合算法來選擇相似日，構(gòu)造相似日訓(xùn)練樣本并利用SVM模型進行預(yù)測的新方法；針對SV