支持向量機(jī)在電力系統(tǒng)短期負(fù)荷預(yù)測(cè)中的應(yīng)用研究

支持向量機(jī)在電力系統(tǒng)短期負(fù)荷預(yù)測(cè)中的應(yīng)用研究摘要：支持向量機(jī)在電力短期負(fù)荷預(yù)測(cè)的應(yīng)用越來(lái)越受到人們的重視，本文通過(guò)研究支持向量機(jī)在電力系統(tǒng)短期負(fù)荷預(yù)測(cè)中的應(yīng)用，剖析預(yù)測(cè)環(huán)節(jié)的關(guān)鍵節(jié)點(diǎn)，提升了電力系統(tǒng)短期符合預(yù)測(cè)的精準(zhǔn)性，為電力系統(tǒng)控制、運(yùn)營(yíng)提供數(shù)據(jù)支撐，推動(dòng)預(yù)測(cè)技術(shù)的發(fā)展。關(guān)鍵詞：支持向量機(jī)；電力系統(tǒng)；短期負(fù)荷預(yù)測(cè)；應(yīng)用引言做好電力系統(tǒng)負(fù)荷預(yù)測(cè)工作對(duì)于電力生產(chǎn)部門極為重要。對(duì)短期負(fù)荷預(yù)測(cè)（未來(lái)1天到7天的負(fù)荷）可以有效支持調(diào)度中心制定發(fā)電計(jì)劃。同時(shí)，可以合理安排機(jī)組的啟停，減少備用容量，合理安排檢修計(jì)劃，降低發(fā)電成本。短期負(fù)荷預(yù)測(cè)，對(duì)提高電力運(yùn)營(yíng)商的運(yùn)營(yíng)效率有著直接的影響，對(duì)電力系統(tǒng)的控制、運(yùn)行和規(guī)劃具有重要意義。因此，針對(duì)不同的情況，有必要尋找一種有效的負(fù)荷預(yù)測(cè)方法，以提高預(yù)測(cè)精度。本文探討了支持向量機(jī)在電力系統(tǒng)短期負(fù)荷預(yù)測(cè)中的應(yīng)用模式。一、短期負(fù)荷預(yù)測(cè)的特點(diǎn)想要做好短期負(fù)荷預(yù)測(cè)，首先了解短期負(fù)荷預(yù)測(cè)的特點(diǎn)，進(jìn)而結(jié)合其特點(diǎn)制定相應(yīng)的短期負(fù)荷預(yù)測(cè)方法，短期負(fù)荷預(yù)測(cè)特點(diǎn)主要可以概括為三點(diǎn)：（1）預(yù)測(cè)結(jié)果的不準(zhǔn)確性。電力負(fù)荷受各種復(fù)雜因素的影響，如社會(huì)經(jīng)濟(jì)發(fā)展，氣候變化，新技術(shù)應(yīng)用，政治政策等。其中有些因素可以進(jìn)行預(yù)測(cè)估算，但是也有很多因素不易估算，難以被精確預(yù)測(cè)。因此預(yù)測(cè)結(jié)果的不準(zhǔn)確性可以分為兩點(diǎn)，影響因素的不可控性，預(yù)測(cè)能力的精準(zhǔn)不可控性。（2）預(yù)測(cè)應(yīng)用的條件性。各種電力負(fù)荷預(yù)測(cè)都是在一定條件下進(jìn)行的。這些條件中包括必要條件和假設(shè)條件。基于必要條件的負(fù)荷預(yù)測(cè)通常是可靠的?；诩僭O(shè)條件的負(fù)荷預(yù)測(cè)的準(zhǔn)確性顯然是有條件的。例如，在預(yù)測(cè)模型的訓(xùn)練中，當(dāng)某些參數(shù)的初始值設(shè)置不同時(shí)，預(yù)測(cè)結(jié)果會(huì)有所不同。顯然，基于這些條件的負(fù)荷預(yù)測(cè)具有特定的條件。（3）預(yù)測(cè)結(jié)果的多樣性。由于負(fù)荷預(yù)測(cè)精度的不同要求和預(yù)測(cè)條件的限制，以及預(yù)測(cè)方法和理論與數(shù)學(xué)模型的多樣性，預(yù)測(cè)結(jié)果并不是唯一的。二、支持向量機(jī)預(yù)測(cè)法支持向量機(jī)（SVM）是Vapnik在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上提出的一種新的通用學(xué)習(xí)算法。統(tǒng)計(jì)學(xué)習(xí)理論是一種基于傳統(tǒng)統(tǒng)計(jì)學(xué)的機(jī)器學(xué)習(xí)方法。與傳統(tǒng)統(tǒng)計(jì)學(xué)相比，統(tǒng)計(jì)學(xué)習(xí)理論（SLT）是一種專注于有限樣本的機(jī)器學(xué)習(xí)理論。該理論為有限樣本的統(tǒng)計(jì)問(wèn)題建立了一個(gè)新的理論體系。在該系統(tǒng)中，統(tǒng)計(jì)推理規(guī)則不僅要考慮泛化能力的要求，還要在現(xiàn)有的有限信息條件下追求最優(yōu)結(jié)果。Vapnik研究團(tuán)隊(duì)在20世紀(jì)60、70年代開(kāi)始致力于這項(xiàng)研究，發(fā)展到上世紀(jì)90年代中期，統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)研究成熟，為解決很多難以解決的問(wèn)題提供了希望，如神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的選擇，局部最小值等?；谠摾碚?，支持向量機(jī)（SVM）在其自身方法上表現(xiàn)出了許多優(yōu)越的性能，將有力地推動(dòng)機(jī)器學(xué)習(xí)理論和技術(shù)的發(fā)展。統(tǒng)計(jì)學(xué)習(xí)理論和支持向量機(jī)（SVM）在有限樣本下建立了一套良好的機(jī)器學(xué)習(xí)理論框架和通用方法，不僅具有嚴(yán)格的理論基礎(chǔ)，而且可以解決小樣本，非線性等實(shí)際問(wèn)題。支持向量機(jī)的基本思想可以概括為：首先通過(guò)非線性變換將輸入空間變換到一個(gè)高維空間，然后在這個(gè)新空間中求最優(yōu)線性分類面，這種線性變換是通過(guò)定義適合的內(nèi)積函數(shù)來(lái)實(shí)現(xiàn)的。支持向量機(jī)求得的分類函數(shù)形式上類似于一個(gè)神經(jīng)網(wǎng)絡(luò)，其輸出是若干中間層節(jié)點(diǎn)的線性組合，而每個(gè)中間層節(jié)點(diǎn)對(duì)應(yīng)于輸入樣本與一個(gè)支持向量的內(nèi)積，因此也稱為支持向量網(wǎng)絡(luò)，其結(jié)構(gòu)如圖1所示圖1支持向量機(jī)示意圖三、基于支持向量機(jī)的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)應(yīng)用3.1樣本及其輸入輸出量的選擇基于支持向量機(jī)的短期負(fù)荷回歸預(yù)測(cè)模型相較于傳統(tǒng)預(yù)測(cè)方法有著其特有優(yōu)勢(shì)，考慮更多氣象因素和日負(fù)荷類型等因素，提高了系統(tǒng)預(yù)測(cè)的準(zhǔn)確性。如圖1所示，在模型中，輸入向量x€R，其包括歷史負(fù)荷、氣象因子和日常類型負(fù)荷等影響因素。向量Y作為預(yù)測(cè)負(fù)荷輸出，根據(jù)已知數(shù)據(jù)，建立訓(xùn)練樣本集和預(yù)測(cè)樣本集，建立SVM的回歸目標(biāo)函數(shù)。將最優(yōu)解返回到回歸決策函數(shù)方程，得到回歸決策函數(shù)，最后，計(jì)算預(yù)測(cè)結(jié)果。圖2支持向量機(jī)應(yīng)用步驟核函數(shù)的選取只要確定了核函數(shù)以及各種參數(shù)，就可以確定回歸函數(shù)。在核函數(shù)的選擇上支持向量機(jī)完全以訓(xùn)練樣本集和核函數(shù)為特征，通過(guò)選擇不同形式的核函數(shù)可以生成不同的支持向量機(jī)回歸模型。目前，最常用的核函數(shù)有：線性核函數(shù)、多項(xiàng)式核函數(shù)和高斯徑向基核函數(shù)。研究人員經(jīng)過(guò)多年研究認(rèn)為支持向量機(jī)的性能與核函數(shù)的類型無(wú)關(guān)。核參數(shù)（核函數(shù)中的參數(shù)0）和平衡系數(shù)C是影響支持向量機(jī)性能的主要因素。然而，選擇合適的核函數(shù)有利于減少計(jì)算量。對(duì)于多項(xiàng)式核函數(shù)（線性核函數(shù)是多項(xiàng)式核函數(shù)的特例），當(dāng)特征空間維數(shù)較高時(shí)，計(jì)算量會(huì)大大增加，即使在某些情況下，也無(wú)法得到正確的結(jié)果，而高斯徑向基核函數(shù)也沒(méi)有這個(gè)問(wèn)題。此外，高斯徑向基核函數(shù)的選擇是隱式的。每個(gè)支持向量將生成一個(gè)以它為中心的局部高斯函數(shù)。利用結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理，求出全局基函數(shù)寬度。。預(yù)測(cè)步驟其預(yù)測(cè)步驟如圖2所示，（1）歷史數(shù)據(jù)整理與預(yù)處理，然后對(duì)歷史數(shù)據(jù)進(jìn)行預(yù)處理和歸一化處理。歸一化處理方式及將原始數(shù)據(jù)通過(guò)現(xiàn)行變換，將數(shù)據(jù)均轉(zhuǎn)化到［-1，1］區(qū)間內(nèi)，形成訓(xùn)練樣本集，其歸一化公式為：i=（1，2，3n）其中為歸一化的轉(zhuǎn)化值，為實(shí)測(cè)值，其中、分別為實(shí)測(cè)值數(shù)據(jù)中的最大值和最小值，n為向量維數(shù)，也就是影響因子種類數(shù)。（2）建立SVM短期電力負(fù)荷模型，根據(jù)得當(dāng)?shù)挠?xùn)練樣本集，和上文選取的和函數(shù)，建立基于支持向量機(jī)的回歸目標(biāo)函數(shù)。（3）將確定的參數(shù)、基函數(shù)寬度等參數(shù)，利用LIBSVM軟件并求解最優(yōu)解。（4）利用最優(yōu)解，確定回歸決策方程的系數(shù)，進(jìn)而求的回歸決策方程。（5）利用預(yù)測(cè)樣本決策回歸方程，相結(jié)合對(duì)短期負(fù)荷進(jìn)行預(yù)測(cè)，預(yù)測(cè)完成以后，通過(guò)和真實(shí)數(shù)據(jù)，進(jìn)行對(duì)照，作為已知數(shù)據(jù)，加入樣本訓(xùn)練機(jī)，不斷添加新的數(shù)據(jù)，可以實(shí)行一個(gè)周期的預(yù)測(cè)。若預(yù)測(cè)值和未來(lái)測(cè)量的真實(shí)值，存在較大誤差，則需要進(jìn)行二次調(diào)正參數(shù)，不斷修正模型，保證預(yù)測(cè)的精準(zhǔn)性。結(jié)論本文從短期電力預(yù)測(cè)特點(diǎn)，分析支持向量機(jī)在短期電力預(yù)測(cè)的應(yīng)用，通過(guò)探究其預(yù)測(cè)步驟，數(shù)據(jù)預(yù)處理等獲取預(yù)測(cè)值為電力成本定價(jià)、電力設(shè)施調(diào)控提供了決策依據(jù)。雖然相較于傳統(tǒng)的預(yù)測(cè)方法，支持向量機(jī)有著其優(yōu)勢(shì)，但是在理論研究方面，仍存在很多不足，需要不斷完善，保證預(yù)測(cè)的精準(zhǔn)性。參考文獻(xiàn)：⑴熊軍華，牛珂，張春歌，etal.基于小波變異果蠅優(yōu)化支持向量機(jī)短期負(fù)荷預(yù)測(cè)方法研究[J].電力系統(tǒng)保護(hù)與控制，2017（13）.[2]陳若曦.基于貝葉斯證據(jù)框架優(yōu)化的LS-SVM預(yù)測(cè)模型在空間電力負(fù)荷預(yù)測(cè)方法中的應(yīng)用研究[D].⑶劉鵬