论文部分内容阅读
电力系统短期负荷预测是调度的一项重要工作,也是制定购电计划和经济运行的主要依据,对电力系统安全、可靠的运行意义重大。随着电力系统的发展,预测精度高、能够考虑各种影响因素的预测方法越来越受到重视。针对短期负荷预测的各种影响因素的非线性特性,提出基于最小二乘支持向量机(LSSVM)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,该研究具有重要的理论意义和实用价值。
本文分析了最小二乘支持向量机的基本原理并将其用于电力系统短期负荷预测,从对样本的训练过程可以看出当样本数目较大时,最小二乘支持向量机的训练过程相对缓慢,所以应用最小二乘支持向量机增量式学习方法对样本进行训练来提高训练速度;并针对最小二乘支持向量机丧失了支持向量机解的稀疏性,误差较大这一特点,用改进的剪枝算法对解进行稀疏化处理,使预测结果更理想。
根据负荷预测的实际需要,将此算法通过VB编程加到原负荷预测软件中,也将其加到原有的负荷预测评估算法中,并将此负荷预测软件在黑龙江省伊春、大兴安岭、以及哈尔滨第二电力有限公司试运行,反应良好。该系统能够减轻运行人员的预测准备工作,并且该方法具有速度快、预测结果准的优点。