基于小波变换和支持向量机的电力系统短期负荷预测.pdfVIP

，1540一 中国高等学校电力系统及其自动化专业第二十四届学术年会论文集 基于小波变换和支持向量机的电力系统短期负荷预测 叶淳铮，常鲜戎 (华北电力大学电力与电子工程学院，河北，保定071003) 摘要：提出一种基于离散小波变换和支持向量机的短期负荷预测方法。运用离散小波变换将负荷时间序列分解为高低频子序 列，然后作为支持向量机的输入，每一个序列选择适当的参数进行滚动式的单支预测，最后将各分支预测结果相加最终实现 负荷预测。实例中负荷数据采用四川省某地区的历史负荷，对该地区的日96点负荷进行预测，并将该算法与支持向量机算法 进行比较，结果表明，该算法能够有效提高预测精确性。 关键词：小波变换；电力系统；短期负荷预测；支持向量机 0引言 1基本理论 短期负荷预测是电力系统运行的重要部分，特别是在经 1．1小波变换原理 济调度，机组开停等方面具有重要的指导意义，因此对短期 小波分析是近年来发展起来的一种用于信号分析的数 负荷预测的精度要求也越来越高【l】{21。长期以来，国内外学 学方法。它的主要思想是选择合适的小波基函数j6厂(f)，然 者对负荷预测的理论和方法做了大量的研究，提出了各种各 样的预测方法，现在应用最广泛的是人工智能技术(AD，如 后对小波基函数通过如下方式生成函数族i％．6J： 神经网络(NN)【3H51，模糊线性回归t6IUI等，这些方法考虑了 甲。力(f)=a—y(￡兰) 负荷数据和影响负荷性质的特征间的关系。 口 I主IVapnik等人提出的统计学习理论及从中发展出的支 再通过函数族{虬j}对信号进行分析。其中b代表时 持向量机方法通过核函数将输入空间映射到高维特征空间， 间上的位移，而a则代表时间尺度，W，(口占)是指原信号 以线性形式解决问题，能较好地解决小样本、 非线性、高 f(t)在时间b处所包含的尺度为a的小波函数分量，表示 维数和局部极小点等实际问题f8J。目前支持向量机已经在短 T信号f(t)tl、波函数y(!二旦)相关联的程度。当尺度因子 期负荷预测中得到广泛的关注‘9】【lo】。 a 小波分析是90年代初引入工程界的数学工具，小波分析 和平移参数按二进制离散，即a=24，b=n·2“(m为 在时域和频域具有同样良好的局部化性质，可以对信号的细 整数)时，其二进正交小波为： 节加以提取、分析。特别是离散小波变换(DWT)在处理不稳 一m， 72沙(2一t—n) ‰．。(f)=2 定离散信号上是十分有效的。电力负荷具有特殊的变化规 当尺度a较大时，时频窗口的时域部分较宽，从而分 律，具有非线性和不稳定的特性，负荷变化的波动性反映到 析频率低，适合做概貌的观察。反之，当尺度a较小时。 “时频”特性上，该部分负荷可以用非周期分量来描述。各 分量均有不同的频率特性。如果能提取出线性分量并加以分 窗口的时域部分较窄而分析频率高，适合做细节的X『见察。这 种由粗及精对事物的逐级分析称为多分辨率分析． 析，则可以把模型选择为离散频谱的形式，更利于负荷预测 使用多分辨分析和双通道滤波器频带分析的小波变换 精确性的提高，小波变换无疑是这种应用的最佳选择