基于贝叶斯理论的支持向量机短期负荷预测-电气工程专业论文.docxVIP

万方数据 万方数据 湖南工业大学学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下， 独立进行研究工作所取得的成果。除文中已经注明引用的内容外， 本论文不含任何其他个人或集体已经发表或撰写过的作品成果。对 本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标 明。本人完全意识到本声明的法律结果由本人承担。 作者签名： 日期： 年 月 日 湖南工业大学论文版权使用授权书 本人了解湖南工业大学有关保留、使用学位论文的规定，即： 学校有权保留学位论文，允许学位论文被查阅和借阅；学校可以公 布学位论文的全部或部分内容，可以采用复印、缩印或其他手段保 存学位论文；学校可根据国家或湖南省有关部门规定送交学位论文。 作者签名： 导师签名： 日期： 年 月 日 摘 要 短期负荷预测是电力系统安全和经济运行的重要参考依据，随 着我国电力工业市场化改革的稳步推进，电力公司必须即时地把握 负荷变化的信息，人们开始越来越重视短期负荷预测的关键作用， 同时也对短期负荷预测的精确性提出了更高的要求。 相对于传统预测方法，支持向量机具有非线性拟合、泛化能力 强、训练收敛速度快等优点，且对于有限个小样本问题具有非凡的 处理能力。利用支持向量机的优越性,针对短期负荷预测中存在的非 线性特点,提出基于支持向量机的短期负荷预测方法。为了克服不确 定性数据信息对短期负荷变化的干扰，在对支持向量机方法研究的 基础上，继而提出一种基于贝叶斯理论的支持向量机短期负荷预测 新方法。 本文主要研究内容如下： 1.首先对短期负荷特性进行具体分析，然后构建基于 SVM 短期 负荷预测模型，并通过算例与应用较为广泛的神经网络方法进行比 较分析，验证了其良好的预测性能。 2.由于短期负荷受天气原因、重大节假日等随机、不确定性变 化因素的影响较大,为了有效地克服不确定性数据信息对短期负荷 变化的干扰，引入贝叶斯基本理论，提出将贝叶斯理论与支持向量 机相结合的方法，通过改进学习训练机制，构建一种基于贝叶斯理 论的支持向量机预测模型。 3.为了使模型预测精度更高，计算复杂度更低，总体稳定性更 强，利用贝叶斯证据框架下的贝叶斯推断准则对模型中的相关参数 及核参数进行优化选择。 4.将优化后的基于贝叶斯理论的支持向量机预测模型对短期负 荷进行实例预测，并与基于 SVM 预测模型的预测结果进行比较分析。 仿真实验表明，这种基于贝叶斯理论的支持向量机预测方法不仅提 高了预测精度，并且能够有效地克服不确定性数据信息对短期负荷 变化的干扰，其预测性能总体上获得了令人满意的结果。 关键词：支持向量机，贝叶斯理论，短期负荷预测 I ABSTRACT Power system short-term load forecasting is an important reference for power system security and economic operation, With the steady progress in Chinas reform of marketization of power industry, Electric power company must promptly grasp the information of load change, People begin to pay more and more attention to importance of short-term load forecasting, but also for short-term load forecasting accuracy is put forward higher requirements. Compared with traditional methods, support vector machine has nonlinear fitting, strong generalization ability, training the advantages of fast convergence rate, and limited to a small sample problem with special processing capacity. Using advantages of support vector machine and based on the nonlinear characteristics of in the short-term load forecasting, Proposed a method for the short-term load forecasting that based on support