学位论文 > 优秀研究生学位论文题录展示

基于支持向量回归在短期负荷预测中的应用

作　者: 陈启
导　师: 魏德华
学　校: 河北工程大学
专　业: 水利水电工程
关键词: 短期负荷预测支持向量回归序列最小优化
分类号: TM715
类　型: 硕士论文
年　份: 2010年
下　载: 35次
引　用: 0次
阅　读: 论文下载

内容摘要

在电力市场经济条件下,电力负荷预测遇到新的挑战,其对电力系统的影响和作用越来越明显,做好电力负荷预测工作是电力系统安全运行的基础。随着电力市场竞争的日益激烈,短期电力负荷预测受到越来越多的关注,并逐渐成为电力市场的一个重要研究领域。电力系统负荷预测指的是从电力负荷本身的变化情况和气象经济等因素影响规律出发,通过对历史数据的分析和研究,探究电力负荷内在的联系和发展变化规律,对未来电力需求作出预先的估计和推测。负荷预测一般是通过建立历史负荷和气象因素的关联模型来实现的。现在支持向量机理论被逐步应用到了电力负荷预测领域,并取得了良好的预测效果。本文提供了一种新的回归算法来对电力负荷进行负荷预测,即我们提到的基于支持向量机回归算法,我们把此算法应用到电力负荷预测工作中,为更好的确定各供电区年供用电量、年用电负荷和最大用电负荷提供一种新的方法和思路。本论文对短期电力负荷预测、支持向量回归和序列最小优化理论进行了深入研究,并分别用线性回归、支持向量回归、序列最小优化三种方法对某省南网电力负荷数据进行了实验对比分析,结果表明支持向量回归预测方法的预测精度高于传统的线性回归方法,而序列最小优化预测方法的预测精度高于支持向量回归预测方法。

全文目录

摘要  6-7
Abstract  7-10
第1章绪论  10-17
  1.1 选题背景和意义  10-13
    1.1.1 电力负荷预测  10-12
    1.1.2 统计学理论  12-13
  1.2 国内外研究状态  13-14
  1.3 课题研究内容  14-15
  1.4 课题研究难点  15-17
第2章电力系统短期负荷预测理论  17-31
  2.1 电力负荷的特征  17-23
    2.1.1 电力负荷的分类  17-18
    2.1.2 电力负荷的特点  18-19
    2.1.3 影响电力负荷的因素  19-21
    2.1.4 电力负荷预测理论  21-23
  2.2 电力负荷数据处理  23-28
    2.2.1 数据预处理  23-24
    2.2.2 数据预处理步骤  24-27
    2.2.3 电力负荷数据的归一化  27-28
  2.3 电力负荷预测误差分析  28-30
  2.4 小结  30-31
第3章支持向量机理论  31-44
  3.1 统计学  31-33
    3.1.1 VC 维  31-32
    3.1.2 推广性的界  32
    3.1.3 SRM 准则  32-33
  3.2 SVM 原理  33-39
    3.2.1 SVM 的基本思想  33-34
    3.2.2 最优分类面  34-38
    3.2.3 核函数  38-39
  3.3 支持向量回归  39-43
  3.4 小结  43-44
第4章序列最小优化算法研究  44-49
  4.1 SMO 原理  44-45
  4.2 SMO 算法  45-48
    4.2.1 SMO 算法基本原理  45
    4.2.2 SMO 算法的回归解  45-47
    4.2.3 阈值更新  47
    3.2.4 SMO 算法的步骤  47-48
  4.3 小结  48-49
第5章实例分析比较  49-56
  5.1 电力负荷数据具体来源  49
  5.2 电力负荷预测步骤  49-50
  5.3 LR、SVM、SMO 仿真比较  50-53
    5.3.1 仿真工具  50-51
    5.3.2 线性回归  51-52
    5.3.3 仿真比较结果  52-53
  5.4 SVM、SMO 仿真比较  53-56
结论  56-58
致谢  58-59
参考文献  59-62
附表  62-70
作者简介  70
攻读硕士学位期间发表的论文  70-71

基于支持向量回归在短期负荷预测中的应用

内容摘要

全文目录

相似论文