王 枫 ，上官安琪 ，夏俊丽

(1．国网湖北省电力公司，湖北武汉430077;2．武汉大学电气工程学院，湖北武汉430072)

0 引 言

“十三·五”是全面建设小康社会的关键时期，随着湖北省社会经济的飞速发展，全省电力需求快速增长。湖北省化石能源匮乏，水电基本开发完毕，火电用煤供应压力加大，经济发展需求与能源资源约束的矛盾日益突出，这将使湖北在很长一段时间内面临电力供应紧张，建设特高压输电从外省输入电力刻不容缓。因此，利用科学合理的方法对湖北省未来电力需求进行预测和分析，对经济发展政策的制定和特高压输送容量等的有效规划有着十分重要的意义。

中长期电力负荷预测是电力平衡分析的基础，其准确性直接影响电力平衡分析的有效性。由于中长期负荷受到许多非线性因素及不确定因素的影响，进行准确的中长期负荷预测非常困难。目前应用最多的中长期负荷预测方法大致分为参数估计方法和人工智能方法［1］，参数估计方法主要包括回归分析法［2］和灰色系统方法［3］;人工智能方法主要包括神经网络［4］、证据理论［5］、数据挖掘技术［6］和专家系统［7］等。其中参数估计方法的精确度不是很理想，而以神经网络为代表的人工智能方法需要的数据样本很大，这对于中长期负荷预测来说是很不现实的。

支持向量机(SVM)是20 世纪90年代中期基于统计学理论的VC 维(Vapnik-Chervonenkis dimension)理论和结构风险最小化原则而提出的一种新的机器学习方法，最初应用于小样本、非线性的模式识别分类问题，随后应用于非线性拟合并表现出良好的性能。……