基于鱼群算法和支持向量机的微电网负荷预测.pdf

发电厂与智能电网 基于鱼群算法和支持向量机的 ． 微电网负荷预测 刘源 (大庆油田电力集团油田热 电厂，黑龙江省大庆市 163314) 摘 要 ：为满足微电网建设和分布式能源的发展，微电网的负荷预测是电网规划和建设研究4-的一个难点问题。 由于微 电网负荷不确定性和波动性强等特性，常规的负荷预测方法不能直接用于微 电网负荷预测中，根据微 电网 的特点，考虑微 电网负荷受到天气因数和星期类型等影响，提出一种基于鱼群算法和支持向量机算法结合的微 电 网负荷预测模型。方法中将鱼群算法应用于支持向量机的参数寻优中。仿真实验表明，与传统的支持向量机微网 负荷预测结果对比，其对微网负荷的预测结果具有更高的精度，满足实际要求。 关键词 ：负荷预测；微电网；支持向量机；鱼群算法 中图分类号 ：TV736 文献标识码 ：A 学科代码 ：570．15 OOI：10．3969／j．issn．2096—093X．2017．01．021 0 引言 1 支持向量机模型 微 网短 期负荷预测是 微网优化运行和 节能减排 支持向量机 (SVM )由Vapnik首先提出，是基 的基础，预 测精 度直接影 响微 电网系统发供 电计划 于统计学 VC维理论和结构风险最小化原理的机器学习 的编制、供 电质量和 电力市场交易等 】。无论是对 方法，像很多层感知器网络和径向基函数网络一样，支 主 电网的预测 还是对微 电网的预测 。无 论是应用传 持向量机可以用于模式分类和非线性回归。其应用于回 统 的预测理论 还是应用现代 的预测理论 ，其原理都 归拟合的主要思想是寻找到一个最优分类平面，使得所 是通过分析预 测对象历史 负荷 的变化规律 ，依据外 有训练样本离该最优分类平面的误差最小 [8-1010其数学 界影 响因数和 时间的延伸性 ，预测下一 时间段 的负 模型如下 ： 荷。从数学理论上讲，建立负荷预测模型的过程就是 设训练集样本为 ： 建立数学函数，通过数学函数找出预测对象的变化规 (X，Yf)，j=1，2，… ，n，x∈R ，Y ∈R 律 ，然后根据变化规律以及影响因数 ，对微电网负荷 高维空间中线性回归函数为 ： 进行预测 l。 厂(X)=∞ ·x+b (1) 传统的电力系统进行短期负荷预测的方法主要是 所有训练数据在小于误差 s的不敏感损失函数为 ： 自滑动平均法和趋势外推法等 】。目前的预测方法主要 以智能技术为依托 ，以神经网络、小波分析和支持向量 rrfi~n00((o)=剖 (2) 机为主。相 比于传统的电力系统负荷 ，微网的负荷更加 s．t．Yi—CO·X—b≤s，i=1，2，… ，n (3) 不稳定，且随机性和突变性 比较强。当微 电网电力系统 引入松弛变量 和 ，则式 (2)为 ： 处于复杂的外界因素中时，应用传统单一的负荷预测方 )=1M +c∑(毒+) (4) 法不能满足微 电网短期负荷预测的要求 ，预测精度超 出 可接受范围。而利用鱼群算法优化支持向量机的组合预 s．t．Yi一∞ ·xi-b≤s+ (5) 测方法对微网负荷预测不仅能消除单一预测方法的不 ∞ ·鼍+6— ≤c+4 (6) 足 ，而且能够提高预测精度 [5-71。