经济新常态下基于Verhulst-SVM的中长期负荷预测模型

被引：22

作者：

张冠英 ^{[1
,2
]}

羡一鸣 ^{[1
,2
]}

葛磊蛟 ^{[3
]}

王莹 ^{[4
]}

赵滨滨 ^{[4
]}

王尧 ^{[1
,2
]}

机构：

[1] 省部共建电工装备可靠性与智能化国家重点实验室(河北工业大学电气工程学院)

[2] 河北省电磁场与电器可靠性重点实验室(河北工业大学电气工程学院)

[3] 天津大学电气自动化与信息工程学院

[4] 国网天津市电力公司

来源：

电测与仪表 | 2019年 / 01期

关键词：

经济新常态; 负荷预测; Verhulst模型; 支持向量机;

D O I：

10.19753/j.issn1001-1390.2019.01.015

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

经济新常态背景下,电力系统中长期负荷预测面临着很多新问题,例如:GDP、人口等电力负荷影响因素呈"S"型曲线增长、电力负荷影响因素与电力负荷之间的不确定性增加、历史样本数量少等。为此,提出一种基于Verhulst-SVM的中长期负荷预测模型。首先,从经济新常态特征中提取影响电力负荷的主要因素,并分析各影响因素的发展趋势;然后,利用Verhulst模型对"S"型曲线增长的电力负荷影响因素进行预测,并采用支持向量机(Support Vector Machine,SVM)替代线性回归预测模型,实现小样本、高不确定性条件下中长期负荷高精度预测。最后,通过天津市2015年和2016年的负荷预测算例,验证了所提模型的精度和可靠性,可为经济新常态背景下中长期负荷预测提供借鉴。

引用

页码：102 / 107

页数：6

共 15 条

[1] 基于多变量时间序列反演自记忆模型的中长期电力负荷预测 [J].