SVM与Fourier算法在电网短期负荷预测中的应用.pdf

《SVM与Fourier算法在电网短期负荷预测中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第32卷第4期继电器Voi.32No.42004年2月16日RELAYFeb.16，200417SVM与Fourier算法在电网短期负荷预测中的应用杨镜非，谢宏，程浩忠（上海交通大学电气工程系，上海200030）摘要：将Fourier（傅立叶）算法与SVM（支持向量机）共同引入电网短期负荷预测。对于波动性较大的负荷，Fourier算法用于滤除高次谐波分量。SVM用于对滤除了高次分量的数据进行统计学习，它首先筛选与预测点相关的历史数据构成训练样本，再将预测的平滑性和误差损失函数相结合构成问题的目标函数进行求解。编制了相应的软件，对某实际电网进行了短期负荷预测，取得了理

2、想的结果。关键词：负荷预测；支持向量机；傅立叶算法；损失函数；核函数中图分类号：TM715文献标识码：A文章编号：1003-4897（2004）04-0017-03SVM算法对于预测负荷曲线较平滑的系统，能0引言够取得较理想的效果。但是，对于惯性较小、随机波电力系统负荷预测是电网能量管理系统的重要动性较强的中小型电网，其效果相对较差。改进的内容，通过精确的负荷预测，可以经济合理地安排机方法是，先采用Fourier算法将历史负荷曲线分解为组启停，减少旋转备用容量，合理安排检修计划，降平滑曲线和随机波动曲线两部分，只采用平滑部分低发电成本，提高经济效益。常用的方法有非线

3、性作为SVM的历史训练数据，能够取得更好的效果。回归、神经网络法、时间序列法、模糊理论等。非线1SVM线性回归模型性回归和时间序列法在电网情况正常、生产和气象变化不大的时候预测效果良好，但不能考虑一些影假设有一组训练数据，其中第i个数据包含变量n响负荷的要素，如休息日、气象等，当这些因素发生xiER和与之相对应的变量yiER，SVM定义了一种突变时预测精度受到影响。神经网络和模糊理论考机器（machine），用于确定x到y的映射关系Xf虑到了影响负荷的一些不确定因素，但没有彻底解（X，!），!为可调参数，通过对已知数据的学习来确决网络结构设计的难题，且需要较长的训练

4、时间。定它。在线性回归中，定义映射函数（fx）="，x［1］nSVM（支持向量机）是由Vapnik最早提出的+b，"ER，yER，并要求：1）找到最小的"以保证一种统计学习方法，近年来已经被成功地应用于语曲线的平滑性，一种常用的方法是使得"的欧氏二范音识别、文字识别、时序数列预测等领域。研究显数最小；2）映射的误差在允许的#范围之内。可以示，该统计学习方法具有学习速度快、全局最优和推写成下列数学模型：广能力强的优点，其学习结果经常明显好于其它的12minimize"（1）模式识别和回归预测方法。本文将SVM理论应用2于电力系统短期负荷预测，既考虑了影响负荷的诸yi-

5、"，xi-b#subjectto{）因素，又建立了完善的数学模型。"，xi+b-yi#（2Amethodofpowersystemshort-termloadforecastingbasedonfuzzywaveletneuralnetworksWANGXin-xiu，WUYao-wu，XIONGXin-yin，HUANGA-giang（HuazhongUniversityofScienceandTechnoiogy，Wuhan430074，China）Abstract：Anoveishort-termioadforecastingmodeibasedonfuzzy

6、waveietneurainetworks（FWN）ispresentedinthispaper.Be-causeFWNcombinesthetime-freguencyiocaiizationabiiityofwaveiet，fuzzyinferringandtheeducationcharacterofANNtogether，itsabiiitytoreachthegiobaibestresuitsisgreatiyimproved.TheFWNinciudesasetoffuzzyruiesandseveraisub-WNNs.Everysub-WNN，cor

7、respondingtoacertainfuzzyruie，consistsofwaveietswithaspecifieddiiation.Byadjustingthetransiationparametersofthewaveietsandtheshapeofmembershipfunctions，theaccuracyandgeneraiizationcapabiiityofFWNcanberemarkabiyimproved.Thecaicuiationresuitshowsthatthepresentedmodeiiseffective.Keyword