基于人工鱼群的LS-SVM在短期负荷预测中的应用

提高负荷预测的准确率,对电网的安全稳定和经济运行有至关重要的作用。因此寻求适合所研究地区的电网负荷预测方法具有重要的应用价值。 本文首先介绍了负荷预测的理论方法,然后分析了最小二乘支持向量机(Lease Squares Support Vector Machine,LS-SVM)的原理和优缺点。由于LS-SVM中的两个重要参数——核宽度和正则化参数对预测结果有很大的影响,选取不当将无法保证解的最优性。而人工鱼群算法具有很好的自适应能力、并行性和全局性,能够较好的解决LS-SVM参数优化问题。本文对基本人工鱼群算法进行了改进,解决了基本算法寻优过程后期收敛效率降低的问题,加快了算法的搜索速度和精度。最后将改进人工鱼群算法优化的LS-SVM模型应用到短期负荷预测中,对预测过程的每一环节做了详细的研究,包括对历史数据的预处理、采用相似日法选择预测模型的输入负荷样本等。 针对广西A地区的地域特点,分析了该地区电网负荷影响因素,并通过某典型日的96点负荷进行预测,预测计算中计及了气象累积效应对负荷的影响。预测结果验证了本文研究的采用人工鱼群算法优化的LS-SVM模型的正确性。