%A 张永伟,潘巧波 %T 基于KPCA-SVM模型的电力负荷最大值短期预测方法 %0 Journal Article %D 2019 %J 发电技术 %R 10.12096/j.2096-4528.pgt.19010 %P 521-526 %V 40 %N 6 %U {https://www.pgtjournal.com/CN/abstract/article_335.shtml} %8 2019-12-30 %X

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0.004 1,相关系数为0.963 1。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。