邓国良

摘 要：电力负荷预测是电网制定供电调度计划、实现经济调度的基础。广义回归神经网络和支持向量机是新型的智能算法。本文将这两种理论结合起来，建立组合模型。先通过支持向量机找到样本集中的最优中心，然后将该中心作为广义神经网络的径向基中心，对样本集进一步训练，并对某电力系统进行电力负荷建模。仿真预测结果表明，该模型收敛速度快，发挥了各算法的优点，预测结果精度高。

关键词：负荷建模;支持向量机;广义回归神经网络;组合模型

中图分类号：TM744 文献标识码：A 文章编号：1003-5168（2021）22-0110-03

Abstract： Power load forecasting is the basis for power grid to formulate power supply dispatching plan and realize economic dispatching. Generalized regression neural network and support vector machine are new intelligent algorithms. This paper combines the two theories to establish a combined model. Firstly， the optimal center in the sample set is found by support vector machine， and then the center is used as the radial basis function center of generalized neural network， the sample set is further trained and the power load modeling of a power system is carried out. The simulation prediction results show that the model has fast convergence speed， gives full play to the respective advantages of the algorithm， and the prediction results have high accuracy.

Keywords： load modeling;support vector machine;generalized regression neural network;combined model

准确的电力负荷预测是电网进行负荷调度、制订用电计划的基础，还影响着设备检修、机组优化组合、电网的安全优质运行等[1-2]。随着我国“厂网分开”和“分时电价”的电力改革，电力负荷水平直接关系着电网公司、发电企业的利润和全社会的经济效益。因此，电力建模预测受到各类从事电力调度与规划人员的广泛关注。一些传统方法（如回归分析法、时间序列法等）已经被人们广泛运用，但是由于负荷呈现出复杂多变性，这些方法往往难以满足预测精度的需要。随着科技的发展和进步，人工智能技术的出现引起了人们的极大关注，其中包括专家系统法和神经网络法。

神经网络是一种基于人工智能的优化技术，具有很强的非线性自我逼近和泛化能力，在处理大量信息时应用性强。使用较多的BP神经网络具有一般神经网络的优点，但也存在一些缺陷，如网络结构难以确定是否是最优结构以及在优化过程中很容易收敛到局部最优解。……