文献类型：期刊文章

作　　者：张永伟[1] 潘巧波[2]

ZHANG Yongwei;PAN Qiaobo(Telecommunication Engineering Department,Anhui Post and Telecommunication College,Hefei 230000,Anhui Province,China;Huadian Electric Power Research Institute Co.,Ltd.,Hangzhou 310030,Zhejiang Province,China)

机构地区：[1]安徽邮电职业技术学院通信工程系,安徽省合肥市230000 [2]华电电力科学研究院有限公司,浙江省杭州市310030

出　　处：《发电技术》

基　　金：国家科技支撑计划项目(2015BAA06B02)~~

年　　份：2019

卷　　号：40

期　　号：6

起止页码：521-526

语　　种：中文

收录情况：RCCSE、普通刊

摘　　要：电力负荷最大值预测是电网企业调度工作的重要组成部分,其预测结果的准确度将对电能的配送、有效利用率、供电服务的质量以及电力系统的发展产生重要影响。以安徽某市81天的电力负荷最大值数据为基础,选取影响当天电力负荷最大值的10个因素,并采用核主成分分析(kernel principal component analysis,KPCA)算法将10维的影响因素降为5维,其累计贡献率可达93.70%。以降维后的5维数据为输入,以径向基函数为核函数,并采用交叉验证选择支持向量机(support vector machine,SVM)回归的最佳参数,随机选取54组数据训练SVM预测模型,最后进行27组数据的拟合预测,拟合预测的均方误差为0.0041,相关系数为0.9631。研究结果表明,应用KPCA结合的SVM预测模型对电力负荷最大值具有很好的预测能力。

关 键 词：电力系统 负荷  核主成分分析(KPCA)  支持向量机(SVM)  预测模型  

分 类 号：TM7]