论文总字数：28237字

摘 要

向用户提供安全、可靠、高质量的电能是电力系统短期负荷预测的主要任务，以保证不同类型负荷对电能的需求。并且，负荷的变化趋势对电力系统的安全稳定运行有着极其重要的影响，对于发电量安排、机组检修等工作有着很重要的参考意义。因此，预测电力负荷的变化是电力系统发展和运行研究的重要组成部分。目前，用于短期负荷预测的方法十分多，也各有其优缺点，其中，基于结构风险最小化原则的支持向量机（Support Vector Machine，简称SVM）是新兴的一种预测方法，其相比一般基于经验风险最小化原则的预测方法，有着更为优越的性能，因此本文将使用SVM建立短期负荷预测模型，并对其核函数以及相关参数进行研究。

首先，本文对电力负荷进行分析，得出其特点，即电力负荷具有连续性、周期性和波动性等特征；再通过分析电力负荷的受时间段和气象因素等因素的影响，得出工作日和休息日、温度及降雨等是影响短期负荷的主要因素。

其次，对SVM的相关理论进行介绍，并将SVM推广到回归预测领域，即支持向量回归（Support Vector Regression，简称SVR）。再利用SVR进行短期负荷预测建模。分别考虑不同因素的影响，建立了短期负荷预测模型，并以此作为后续参数研究的基础。

最后，通过改变模型的核函数和其他相关的参数，分析结果，得出它们对于负荷预测模型性能的影响。

关键词：支持向量机，核函数，短期负荷预测，参数选取

Abstract

Providing users with safe, reliable, and high quality power is the main task of short-term load forecasting for power systems, so as to ensure the power demand of different types of loads. Moreover, the changing trend of load has a very important influence on the safe and stable operation of the power system, which has great reference significance for the arrangement of power generation and the maintenance of the unit. Therefore, forecasting the change of power load is an important part of power system development and operation research. At present, there are many methods for short-term load forecasting, and they have their own advantages and disadvantages. Among them, Support-Vector-Machine (SVM) based on the principle of structural risk minimization is a new prediction method, which is more superior to the prediction method based on the principle of empirical risk minimization. Therefore, this paper will use SVM to establish short-term load forecasting model, and study its kernel function and related parameters.

First, the power load is analyzed in this paper, which is characterized by its characteristics of continuity, periodicity and volatility, and the main factors that affect the short-term load of electric power are the working days and rest days, temperature and rainfall.

Secondly, the relevant theories of SVM are introduced and SVM is extended to the domain of regression prediction, namely, Support Vector Regression. And then, the SVR is used to model the short-term load forecasting. Considering the influence of different factors, a short-term load forecasting model is established and used as the basis for subsequent parameter research.

Finally, by changing the kernel function and other relevant parameters of the model, the results are analyzed, and their influence on the performance of the load forecasting model is obtained.

KEY WORDS: Support Vector Machine, Kernel function, Short-term load forecasting, Parameter selection

目录

摘要 I

Abstract II

第一章 绪论 1

1.1 背景和意义 1

1.2 论文的主要思路和章节安排 1

第二章 电力系统短期负荷预测 3

2.1 预测方法 3

2.2 预测分析 5

2.2.1 负荷预测的类型 5

2.2.2 短期负荷预测特点 5

2.2.3 影响短期负荷的因素 6

第三章 SVM相关理论 8

3.1 统计学习理论 8

3.2 线性SVM 8

3.2.1 线性可分情况 8

3.2.2 线性不可分情况 11

3.3 非线性SVM 12

3.3.1 非线性SVM 12

3.3.2 核函数 12

3.4 支持向量回归 13

3.5 SMO算法 14

第四章 基于SVM的负荷预测模型的建立 16

4.1 建立SVM回归预测模型 16

4.1.1 选取核函数 16

4.1.2 最优参数的选取 16

4.1.3 建模步骤 17

4.1.4 性能指标 19

4.2 未来一日负荷预测 19

4.2.1 模型预测结果及分析 19

4.3 未来两小时负荷预测 21

4.3.1 模型预测结果及分析 22

第五章 其他模型参数影响的进一步分析 25

5.1 不同核函数 25

5.2 损失函数参数 26

5.3 网格化搜索的密度 27

5.4 K折-交叉验证的K数 27

5.5 缩放区间 28

5.6 实验结果小结 28

第六章 总结和展望 29

致谢 30

参考文献 31

绪论

背景和意义

电力系统的主要任务是向用户提供安全、可靠、高质量的电能，以保证不同电力用户对于电能的要求。在考虑电力系统的设计和运行时，负荷的特性和大小是极其重要的参考因素。因此，预测负荷变化是电力系统发展和运行研究的重要组成部分。

要进行电力系统负荷预测，必须将一些重要的影响因素加以考虑，并采用一些数学方法来处理历史和未来的负荷，通过使用一些准确的历史负荷数据和相关数据，来预测未来的负荷值。

剩余内容已隐藏，请支付后下载全文，论文总字数：28237字