基于SVM与相似日的短期电力负荷预测
对受多种不确定性因素影响的短期电力负荷预测,提出了一种基于模糊聚类选取相似日的短期电力负荷预测方法.该方法首先针对气象类型的不确定性因素,将气象因素细分为气温、气压、风速、阴雨等情况,和星期类型、日期类型一起构成相似日的影响因素,通过模糊规则建立模糊系数特征映射表,实现了影响因素的量化.然后再采用模糊聚类方法进行分类,根据聚类水平选取相似日,从而达到减少样本数量,加快选取速度的目的.接着针对获取的相似日负荷数据中含有非高斯噪声的问题,利用小波变换获取其低频分量,从而有效地消除了非高斯噪声的影响.再采用PSO优化的支持向量机实现短期电力负荷低频部分的预测,采用加权平均方法实现高频部分的预测,提高了预测精度.最后利用上海市某电网的负荷数据进行应用研究,不但在平时日,而且在周末和节假日,都取得了较好的预测效果.
电力系统 负荷预测 小波变换 支持向量机 相似日
于龙 郑益慧 王昕 李立学 周荔丹 陈洪涛
上海交通大学电工与电子技术中心 上海 200240 上海交通大学 电力传输与功率变换控制教育部重点实验室 上海 200240 吉林省电力有限公司 松原供电公司 吉林 138000
国内会议
第五届电工技术前沿问题学术论坛暨湖南省电工技术学会2012年学术年会
长沙
中文
217-223
2012-10-26（万方平台首次上网日期，不代表论文的发表时间）