支持向量机结合X11季节调整方法用于短期电力负荷预测

论文摘要

由于受像气候、季节、节日、社会等因素的影响,电力负荷数据表现出许多非线性特征,因而准确地进行电量负荷预测一直以来是一项非常有挑战性的课题。近年来刚刚兴起的一种人工智能技术——支持向量机(SVM)因为具有良好的非线性映射预测能力而被用于解决非线性回归和时间序列问题。季节因素和不规则因素往往掩盖了时间序列中的客观规律,给分析和研究时间序列带来困难。X11季节调整方法通过剔除时间序列中的季节变动因素,从而显示出时间序列变动的潜在规律。这篇文章提出了一个混合模型,即通过将支持向量机这一人工智能技术和X11季节调整方法结合起来进行短期电量负荷预测。其中,X11季节调整方法被应用到周期一天的季节时间序列,其数据样本是每半小时记录一次,即一天记录四十八次。实验结果表明,所提出的模型是一个理想的短期电量负荷预测方法。

论文目录

• 中文摘要
• Abstract
• 第一章 预备知识
• 1.1 简介
• 1.2 支持向量机
• 第二章 一个新的短期电力负荷预测模型
• 2.1 移动平均方法
• 2.1.1 简单的移动平均
• 2.1.2 加权移动平均
• 2.1.3 Henderson移动平均公式[22]
• 2.2 季节调整
• 2.3 X11-SVMs方法
• 第三章 实验模拟
• 3.1 实验数据
• 3.2 X11季节调整
• 3.3 实验结果
• 3.4 方差分析
• 3.5 结论
• 参考文献
• 硕士期间的研究成果
• 致谢