基于支持向量机的电力系统短期负荷预测模型研究

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,减少不必要的旋转储备容量,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。本文在云南电网机组检修、运行优化项目的基础上,以云南电网总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,针对云南电网总网的短期负荷特性,着重分析了了其主要影响因素,建立了云南电网的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,并将其应用于云南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,完全适用于云南电网。