10.3969/j.issn.1001-1390.2014.24.002
相空间重构和支持向量机结合的电力负荷预测模型研究
风电机组集中并网会对电网安全稳定运行带来影响,为了合理规划各类供电机组高效运行,对电力负荷预测的精度提出了更高的要求。电网负荷时间序列具有混沌特性,普通预测方法难以描述其特性和内在规律。利用混沌相空间重构理论对负荷时间序列进行研究,用互信息法和CAO方法分别求得时间延迟和嵌入维数,并由此得到系统最大李雅普诺夫指数,证明其具有混沌特性。然后根据时间延迟和嵌入维数对样本数据相空间重构,在此基础上利用支持向量回归算法( PSR-SVR)对电力负荷进行预测,支持向量回归采用网格寻优确定参数。最后将预测的结果同时间序列模型和BP神经网络模型的预测结果进行对比,结果表明,这是一种误差小,精度高的电网负荷预测方法器。
支持向量回归、混沌、相空间重构、电力负荷预测
TM714(输配电工程、电力网及电力系统)
山西省自然科学基金资助项目2013011026-2
2015-01-23(万方平台首次上网日期,不代表论文的发表时间)
共5页
6-10