基于混沌理论和支持向量机的短期电力负荷预测

随着工农业的发展,电力需求的增加,电力负荷预测已成为电力系统发展的关键问题之一。电力负荷预测的精确性直接影响到电网规划、调度和安全运行。本文在混沌理论与支持向量机相结合的基础上,对电力负荷时间序列的特性进行分析,从而识别负荷序列的混沌特性,并在相空间重构的基础上建立预测模型。首先,介绍了电力负荷预测的研究背景及意义,讨论了电力负荷预测的研究内容以及国内外现状。同时论述了电力负荷预测的定义、特点以及原理,阐述了电力负荷预测的步骤。其次,介绍了电力负荷的分类及特性,对年、月、日负荷特性进行了分析。为了挖掘电力负荷时间序列的混沌特性,论述了相空间重构的原理与重构方法。在相空间重构的基础上,依据庞加莱截面法和最大Lyapunov指数法对电力负荷时间序列进行混沌识别。接着,通过对支持向量机理论的研究,分析其对时间序列回归分析的优越性,并提出将混沌与支持向量机方法相结合的预测方法,避免了过早出现局部最优解,简化了计算步骤,而且对电力负荷时间序列进行更准确的预测。最后,运用灰色关联分析理论对电力负荷时间序列进行了气温、日期类型等影响因素的关联分析。同时,通过影响因素的引入,对负荷时间序列进行多变量相空间重构,并且构建了多变量混沌预测模型。依据预测模型,对实际的负荷序列进行工作日和休息日的负荷预测分析,验证了多变量混沌预测模型的有效性和实用性。