最小二乘支持向量机短期负荷预测地研究.pdf

对经验的依赖，并提高模型的适应性。贝叶斯证据框架用贝叶斯理论描述了一 个模型准确反映系统特性的可能性，所以可以通过最小化目标函数得到最可能 反映系统特性的模型。选择可以作为负荷预测输入的变量为待选集，以贝叶斯 证据框架理论第三层的给出函数为目标函数，1和0分别代表对一个输入变量的 选择和不选，用二进粒子群优化算法对这徉一组1和0进行优化使目标函数值 达到最小，从而实现输入变量的选择。 仿真表明，结合贝叶斯理论和粒子群优化算法，可以自动地从含有不相关 量和冗余量的待选输入变量中选择出一组合适的变量作为负荷预测的输入向 量，从而提高模型的适应性。 关键词：电力系统；短期负荷预测；人工神经网络；最小二乘支持向量杌；贝 叶斯证据框架；粒子群优化算法 Ⅱ RESEARCHONLEAST SUPPORT SQUARES POWER SYSTEM VECToRⅣIACHlNE LoADFoRECAST矾G SHoRT_TERM andits Power Automation Electrical System Advisor：．Liu Graduate：YangYiqiang Tianqi Short—termload isa taskof importantpower forecastingvery short-termload is forthe andcredible forecastingmeaningfuleconomical，safe of the of the powersystem．Withdevelopmentpowersystem,especially operation be of methodmust electricity forecasting development market,hi【曲accuracy researched． Tllis firstresearchedtheBPartificialneuralnetworkload paper forecasting model．Thenetworkis trained、^^m algorithm． Levenberg-Marquardt isafast forneuralnetwork．Itis Levenberg—Marquardtalgorithmtrainingalgorithm best forthesmallandmediumsizenctwork．Butthe