电力系统中长期负荷预测改进算法分析.pdf

《电力系统中长期负荷预测改进算法分析.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31卷第3期上海电力学院学报Vo1．31．NO．32015年6月JournalofShanghaiUniversityofElectricPowerJun．2015DOI：10．3969／j．issn．1006—4729．2015．03．013电力系统中长期负荷预测改进算法分析潘雪涛(上海电力学院电气工程学院，上海200090)摘要：讨论了基于支持向量机的电力系统负荷预测模型建模方法．通过对模型结构的分析，提出了最小二乘支持向量机算法学习参数的选取方法．结合粒子群优化算法，给出了粒子群优化对最小二乘支持向量机系数优化选择的方法．采用某省的经济、人口、天

2、气和电价等实证数据对几种预测方法进行比较分析，算例结果表明，所提出的方法可以加快计算速度，并有效提高预测精度．关键词：负荷预测；最小二乘支持向量机；群优化；回归中图分类号：TM715．1；F426．61文献标志码：A文章编号：1006-4729(2015)03—055—03ImprovedMediumandLong—termLoadForecastAlgorithmandApplicationofPowerSystemPANXuetao(SchoolofElectricalEngineering，ShanghaiUniversityofElectricP

3、ower，Shanghai200090，China)Abstract：LoadingforecastingalgorithmsbasedonSupportVectorMachine(SVM)arediscussedincombinationwithleastsquaremethodofitsmeritsonreducingunsatisfactoryofconventionalparameters．Furthermore，ParticleSwarmOptimization(PSO)isusedtorefinetheweightedcoefficientf

4、ortheLeastSquareSVMinordertoimprovethecomputationalefficiencyandprecision．Thecomparativeanalysiswithempiricaldataofaprovinceprovestheintendedadvantagesoftheproposedmethod．Keywords：loadforecast；LS—SVM；PSO；regression中长期电力负荷预测是城市电网规划中的基许多电力系统负荷预测的研究中．文献[1]至文础性工作，其预测精度会直接影响到城市电网规献[4]

5、将支持向量机和聚类算法相结合，以改善划的质量．最小二乘支持向量机(LeastSquare支持向量机在短期负荷预测中的应用效果．文献SupportVectorMachine，LS—SVM)是标准支持向[5]至文献[8]将LS—SVM成功用于短期负荷预量机的一种扩展，它是支持向量机在二次损失函测回归算法．但LS—SVM的预测精度在很大程度数下的一种形式．LS—SVM只需求解线性方程，计上依赖于训练集样本的规律性，因此本文采用粒算速度快，可以较好地解决小样本、非线性、高维子群优化改进最小二乘支持向量机算法，利用寻数和局部最小点等实际问题，目前已成功应用于优算法

6、来选择其权重参数，以提高预测精度．收稿日期：2014—09—24通讯作者简介：潘雪涛(1974一)，女，讲师，山东烟台人．主要研究方向为电力系统市场化运营．E—mail：panxuetao@shiep．edu．ca．基金项目：上海绿色能源并网工程技术研究中心资助项目(13DZ2251900)．256上海电力学院学报2015年1LS·SVM原理2粒子群优化算法LS—SVM是于1999年由SUYKENS等人J粒子群优化算法(ParticleSwarmOptimi．提出的．与基本SVM算法的主要区别在于：Ls—zation，PSO)广泛应用于很多工程问题的优化

7、分SVM可采用不同的优化目标函数，并用等式约束析．_9。。。考虑到D变量的优化问题，一个Ⅳ粒子替代不等式约束，将支持向量机中求解二次规划群的初始化是每个粒子分配到D维超空间内的问题转化为求解线性方程组问题，因而极大地简随机位置．在此空间内用X表示一个粒子的位置，化了计算，提高了收敛速度．具体推导过程如下．v表示一个粒子的飞行速度．X和v均为n×d矩训练样本集{(X，Y)，⋯，(X，Y)}cR×R，阵，n为粒子个数，d为解空间维数．其中X为第i个，2维输入，Y为输出．设线性回归一个粒子最佳的通过位置是P在粒子群函数为：中最佳粒子的指数是G．找到这两个极值后

8、，每，()=WX+b(1)个粒子的速度和位置按如下原则更新．式中：’．，——权向