基于自适应加权最小二乘支持向量机的短期负荷预测方法.pdfVIP

维普资讯 2007年 6月 吉 林 电 力 Jun．2007 第35卷 第 3期 (总第 190期) JilinElectricPower Vo1．35 No．3 (Ser．No．190) 基于 自适应加权最小二乘支持向量机的 短期负荷预测方法 AnAdaptiveW eighedLS—SVM ApproachforSTLF 杨春玲 ，李天云 ，王爱凤 (1．安徽 电气工程职业技术学院，安徽 合肥 230051；2．东北电力大学，吉林 吉林 132012) 摘 要：提出了一种基于 自适应加权最小二乘支持向量机 (AWLS—SVM)理论的电力系统短期负荷预测新方法。在 对 已知负荷数据及影响因素的分析学习基础上，先用 自适应参数优化法整定最小二乘支持向量机的参数，确定最 优参数对，然后针对各样本重要性的差异，赋予每个样本惩罚参数不同的加权系数，建立了具有 良好推广性能的 AWIS—SVM 回归模型。本方法突出了不同样本在训练过程中贡献不同的特性，具有结构简单，泛化性能好，不易发 生过拟合现象等优点。通过对真实数据的建模预测，证明了该法在短期负荷预测中的可行性和有效性 。 关键词：短期负荷预测；自适应参数优化法；最小二乘支持向量机 Abstract：A new methodbasedonadaptiveweighedleastsquaressupportvectormachine (AW LS—SVM )forthe powersystem short—term loadforecastingwaspresented．Onthebasisofanalyzing knownloaddataandeffect factors．parameterofLS—SVM issetbyadaptiveparameteroptimizationmethod andoptimalparameterpairis decided firstly，then each trainingsample’Spenalty with differentweighed coefficientis endowed according to importance of each training sample，and Adaptive Weighed LS—SVM model for regression with excellent generalization performance is established．Thismethod emphasized characteristic ofdifferenttraining sample having different contribution，and with prominent advantages of simple structure，excellent generalization performance，andoverfittingbeingunlikelytOoccur．Analysisoftheforecastingresultsofrealdataprovedthat thisapproachisfeasibleandeffectiveinSTLF Keywords：STLFfadaptiveparameteroptimizationmethod~LS-SVM 中图分类号 ：TM715 文献标识码 ：A 文章编号 ：1009—5306(2007)03—0018—03 短期负荷预测是电力系统 的一项基本工作 ，其 现了良好的学习性能。Suyken等人首先提出的最小 预测精度直接影响电力系统的经济效益 。长期以来 ， 二 乘支持 向量机 (LeastSquaresSupportVector 人们对电力系统短期负荷预测进行了广泛而深入 的