資源描述：
《區(qū)間組合模型在中長(zhǎng)期負(fù)荷預(yù)測(cè)中的應(yīng)用》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、第36卷第1期四川電力技術(shù)Vo1．36。No．12013年2月SichuanElectricPowerTechnologyFeb．。2013區(qū)間組合模型在中長(zhǎng)期負(fù)荷預(yù)測(cè)中的應(yīng)用徐志向(四川省電力工業(yè)調(diào)整試驗(yàn)所，四川成都610072)摘要：由于年負(fù)荷的發(fā)展包含穩(wěn)定增長(zhǎng)趨勢(shì)成分和隨機(jī)成分，因此針對(duì)單一中長(zhǎng)期負(fù)荷預(yù)測(cè)模型通常難以達(dá)到理想的預(yù)測(cè)精度，而組合模型可以對(duì)不同的預(yù)測(cè)模型進(jìn)行優(yōu)化組合和信息的綜合利用，提出建立基于支持向量機(jī)的變權(quán)組合預(yù)測(cè)模型，實(shí)現(xiàn)了組合模型的結(jié)構(gòu)風(fēng)險(xiǎn)最小化代替?zhèn)鹘y(tǒng)的經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化。同時(shí)針對(duì)以往預(yù)測(cè)模型僅僅實(shí)現(xiàn)點(diǎn)預(yù)測(cè)的不足，建立基于區(qū)間參數(shù)估計(jì)理論的
2、中長(zhǎng)期負(fù)荷區(qū)間組合預(yù)測(cè)模型，可以解決以往負(fù)荷模型預(yù)測(cè)的無(wú)精度范圍的問(wèn)題，對(duì)傳統(tǒng)的中長(zhǎng)期負(fù)荷預(yù)測(cè)模型進(jìn)行了拓展。最后將該模型應(yīng)用于實(shí)際負(fù)荷預(yù)測(cè)中，驗(yàn)證了該方法的有效性和可靠性。關(guān)鍵詞：負(fù)荷預(yù)測(cè)；支持向量機(jī)；結(jié)構(gòu)風(fēng)險(xiǎn)最小化；區(qū)間組合預(yù)測(cè)模型；區(qū)間值A(chǔ)bstract：Becausetheannumloadincludessomesteadyincreasingtrendcomponentsandsomestochasticcomponents，itisdificultforasinglemediumandlongtermloadforecastingmodeltoach
3、ievethedesiredforecastingaccuracy，whilethecombi—nationmodeleaRrealizetheoptimalcombinationforthediferentforecastingmodelsandcansyntheticallyutilizetheforecastinginformationofeverymodel，SOthetimeseriesvariableweightcombinationalforecastingmodelbasedonsupportvectormachineisproposedwhich
4、canrealizestructuralriskminimizationofthecombinationforecastingmodelinsteadofthetraditionalexperi—enceriskminimization．Atthesametime，aimingattheshortcomingsoftheformerloadforecastingmodelwhichusuallyjustrealizesthepointforecasting，theintervalcombinationforecastingmodelofmediumandlongt
5、ermloadisestablishedbasedonintervalparameterestim~iontheory，whichcansolvetheproblemoftheformerforecastingmodelwithouttherangeofprecisionanddevelopthetraditionalforecastingmodelofmediumandlongtermload．Finally，thismodelisutilizedtothepracticalloadforecasting，andthevalidityandreliability
6、areverified．Keywords：loadforecasting；supportvectormachine；structuralriskminimization；intervalcombinationforecastingmodel；intervalvalue中圖分類號(hào)：TM715文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1003—6954(2013)O1—0064—06模型參數(shù)敏感等，而組合預(yù)測(cè)模型可以綜合各模型0引言的優(yōu)勢(shì)，實(shí)現(xiàn)更準(zhǔn)確的負(fù)荷預(yù)測(cè)。組合預(yù)測(cè)就是將不同的預(yù)測(cè)方法進(jìn)行適當(dāng)?shù)慕M電力系統(tǒng)中長(zhǎng)期的負(fù)荷預(yù)測(cè)是電力系統(tǒng)運(yùn)行、合，綜合利用各種方法所提供的有用信息，從而盡可
7、規(guī)劃等工作的重要基礎(chǔ)，對(duì)保證電網(wǎng)運(yùn)行的經(jīng)濟(jì)性能地提高預(yù)測(cè)精度。大量的實(shí)驗(yàn)表明，組合預(yù)測(cè)尤為重要。準(zhǔn)確的負(fù)荷預(yù)測(cè)有助于提高系統(tǒng)的安全往往優(yōu)于單一預(yù)測(cè)模型。。文獻(xiàn)[11]綜合多個(gè)性與穩(wěn)定性，從而提高經(jīng)濟(jì)效益和社會(huì)效益。傳統(tǒng)準(zhǔn)則對(duì)組合模型預(yù)測(cè)效果進(jìn)行評(píng)價(jià)。文獻(xiàn)[12]考的預(yù)測(cè)方法有趨勢(shì)外推法、時(shí)間序列法、回歸分析法慮了各預(yù)測(cè)方法各時(shí)點(diǎn)上的預(yù)測(cè)精度狀態(tài)，通過(guò)加和灰色模型法等I4J。由于年電力負(fù)荷由確定性和權(quán)馬爾可夫鏈定性地推測(cè)出預(yù)測(cè)年份上各單項(xiàng)預(yù)測(cè)隨機(jī)性成分組成，確定性成分主要由國(guó)民經(jīng)濟(jì)發(fā)展、方法的預(yù)測(cè)精度狀態(tài)，確定其在預(yù)測(cè)年份的權(quán)系數(shù)長(zhǎng)期氣候變化、行政調(diào)控等因素決定，隨
8、機(jī)成分由偶
