基于支持向量机的电网负荷预测系统研究

短期负荷预测是电力系统调度和计划部门安排购电计划和制定运行方式的基础,是保障电力系统安全和经济运行的一项重要手段。准确的负荷预测不仅可以帮助电力企业经济地安排电网发电机组的起停,合理制订机组检修计划,减少不必要的运转储备容量,保证电网运行的安全稳定性,同时是建设电力市场,实现促进电网和供电企业参与市场竞争、提高电力行业经济效益和社会效益的基本工作内容之一。 电力负荷预测工作的核心是预测的技术方法,即如何分析电网的实际负荷特性,结合实时运行情况,建立合理和准确的预测数学模型,设计高效的计算方法,得出精确的预测结果。 近年来,随着科学技术的迅速发展,新的预测方法不断出现,为电力负荷预测问题的研究提供了有力的工具。新发展起来的负荷预测方法主要有:人工神经网络预测法、模糊预测法、专家系统预测法、优选组合预测法、小波分析等。这些负荷预测方法除了考虑负荷形状等因素外,还涉及影响负荷的许多外在因素,如天气状况、日期特征等,因而预测精度有进一步提高,具有较好的发展前景。 本文以河北某地电网的平均负荷为研究对象,研究了基于支持向量机预测方法(SVM)的短期负荷预测模型。 短期负荷预测指的是对未来一天到几个月的负荷预测,而最为典型的是对未来一天的日负荷曲线预测,这也是本文研究的对象。文中首先介绍了研究课题的理论基础,包括电力系统负荷预测的基础理论和支持向量机基础理论。接着,针对河北某地电网的短期负荷特性,着重分析了了其主要影响因素,建立了此地电网的SVM短期负荷预测模型。针对SVM方法,通过对不同的核函数、参数的预测结果的对比,确立了最优的核函数和相关参数。然后,利用改进的SMO训练算法进行网络训练,最终确定了SVM网络结构,并将其应用于此地电网总网提前一天的负荷预测中。最后,对预测结果进行误差分析,并与传统的BP神经网络的预测结果进行比较,证明SVM预测方法具有更高的预测精度,本文建立的SVM短期负荷预测模型符合项目要求的预测精度,适用于电网的短期负荷预测。