电力系统短期负荷预测方法研究及实现

电力负荷预测是电力系统规划决策、经济运行的前提和基础,电力负荷的准确预测对电力系统安全经济运行和国民经济发展具有重要意义。 经典的负荷预测多采用以时间序列法为代表的线性模型方法,但由于短期负荷数据易受天气、节假同等各种干扰因素的影响而呈非线性特性,因此预测结果难以满足实际需要。本文在分析各种经典负荷预测方法优缺点的基础上,将适用于解决大规模样本训练问题的核心向量回归(Core Vector Regression,CVR)方法引入到电力负荷预测中。通过对采用不同核函数、核参数的预测结果的对比,确定了最优的核函数,并通过粒子群优化算法确定了CVR的核函数参数。试验结果表明,本文提出的优化CVR预测模型具有不亚于支持向量回归(Support Vector Regression, SVR)方法的预测精度以及更快的训练速度。