基于贝叶斯理论的支持向量机短期负荷预测

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。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1电力系统短期负荷预测的研究背景与研究意义

1.2国内外短期负荷预测研究的现状与存在的问题

1.3本文主要工作内容及组织结构

第二章 短期负荷特性及其预测分析

2.1短期负荷基本特性

2.2影响短期负荷变化的主要因素

2.3短期负荷预测分析

2.4本章小结

第三章 基于支持向量机的短期负荷预测

3.1统计学习理论

3.2支持向量机

3.3实验与仿真

3.4本章小结

第四章 基于贝叶斯理论的支持向量机方法及其在短期负荷预测中的应用

4.1贝叶斯理论基础

4.2贝叶斯证据框架

4.3实验与仿真

4.4本章小结

第五章 总结与展望

5.1本文总结

5.2未来展望

参考文献

攻读学位期间主要研究成果

致谢

附录