王 奔， 冷北雪， 张喜海， 单翀皞， 从 振

(西南交通大学电气工程学院， 成都 610031)

支持向量机在短期负荷预测中的应用概况①

王 奔， 冷北雪， 张喜海， 单翀皞， 从 振

(西南交通大学电气工程学院， 成都 610031)

全面总结了支持向量机(SVM)在短期负荷预测中的应用概况，并从SVM的原理出发，对比人工神经网络方法，从本质上阐述了SVM方法在短期负荷预测中应用的优越性。同时针对SVM在应用中存在的问题，包括数据预处理、核函数构造及选取和参数优化的方法，做出分析，并归纳了现行的解决方法。从SVM算法用于负荷预测的机理及提高预测精度和速度的角度，对于一系列SVM的改进方法，全面地进行了归纳，并提出需进一步探讨的关键问题。最后对基于SVM的短期负荷预测所需注意的关键问题做出总结，并提出建议。

支持向量机； 人工神经网络； 短期负荷预测； 数据预处理； 核函数； 参数优化； 混合预测方法

电力系统负荷预测的核心是根据预测对象的历史数据建立相应的数学模型描述其发展规律。负荷预测方法大致可分为两类。一类是以时间序列法为代表的传统方法，主要有时间序列法、回归预测法、灰色系统理论等；另一类是以人工神经网络法为代表的新型人工智能方法，包括专家系统预测法、人工神经网络ANN法、模糊推理预测法、遗传算法、小波分析法、组合预测技术。时间序列法和回归预测法在电网正常、生产和气象变化不大时预测效果良好，但不能考虑一些影响负荷的要素，如休息日、气象等，当这些因素发生突变时预测精度受到影响。……