基于改进的PSO-SVM的短期电力负荷预测

1、基于改进的pso-svm的短期电力负荷预测王义军，李殿文，高超，张洪赫（东北电力大学电气工程学院，吉林 吉林132012）摘要：文章提出一种基于pso-svm电力负荷短期预测方法，在svm学习过程中引入粒子群算法。通过选 取组合核函数来改进svm算法，这样可以充分保证计算速度和较高的预测精度。文章利用吉林地区的历史 负荷数据作为训练样本，通过与传统的svm预测模型进行对比，对预测结果与实际数据进行比较，证明基 于组合核函数预测方法在一定程度上能够保证短期负荷预测的精度。关键i司：电力系统；气象因素；支持向量机；短期负荷预测中图分类号：文献标识码：b文章编号：10011390 （2013） 00

2、-0000-00shortterm power load forecasting based on improved pso-svm bsed on short-term power load for ec&stingwang yi-jun, li dian-wen, gao chao,zhang hong-he物懿；五号'j®：言猛岸认）施皿五号'(collegex)f electrical engineering. northeast dianli universityjilin 132012, jilin, china)带格式的：制表位：28. 94字符

3、，左对齐abstract： this raper proposes a short-term power load forecasting method based on psosvm which imroducesv pso algorithm to the learning process of -pape卜by selecting a portfoliocombincd kernel function to improve svm, coniduting speed and high prediction accuracy so you cancan be fully guarantee

4、d ihn cempining ipeed and耕.in this paper, historical loaddata of jilin region is taken as training samples, end ihe method is compared with lhe-traditional svm prediction model. comparison of lhe bweomb&firgthe-dredicted results were-eempafed-whhwith the actual data te-proves that the combinatio

5、n fofecasling method based on combined kernel function can lo-seme-extefubleto guarantee shorlerm load forecasting theaccuracyef sh)ft-lefm-心ad-lbfeeas如gio some exlenl.key words： power system, meteorological factor, support vector machines, short-term load forecasting0引言电力系统负荷预测是电网能量管理系统的重要 内容。通过精确的

6、负荷预测，可以经济合理地安排 机组启停，减少旋转备用容量，进而降低发电成本, 提高经济效益。因此，寻求有效的负荷预测方法， 提高预测结果的准确度具有重要意义。社会的发展和国家经济的发展都是在不断进步 的，人们通过研究发现，电力负荷的供应在社会和 经济发展中起着越来越重要的作用，这种作用是没 有其他能源能够代替的。以前的时候，电力负荷的 供应在我国满足不了要求；到了现时，在大幅提高 我国的发电水平的情况下，在有些地区供大于求的 情况都有出现，由此可见在我国，电力市场己经步 入了一个新的阶段一一以销定产。这就使发电、供 电、用电联系在一起，从而促使电力系统这个有机 的整体形成。基于以上分析，在此提

7、出提高预测精度的新方 法。首先利用粒子群算法来进行参数优化，保证训 练数据的连续性、平滑性，然后采用基于组合核函 数的改进svm算法进行短期负荷预测，从而提高预测精度。1原始数据处理1.1历史数据预处理在实际工作中，大量准确的负荷数据是保证预 测准确率的一个重要方面。文中采用改进的横向比 较修正法来修正和还原异常数据，其方法如下：（1）通过相邻负荷点的负荷变化率作为异常数 据评判标准。（2）采用相邻负荷点的历史最大变化率作为阈 值，选取与待处理日日类型相似的历史数据作为参 考依据。（3）只比较前一时刻的负荷值，整个过程按照 时间顺序进行，当检测到异常数据时进行修正和还 原，并以此作为下一数据的

8、比较值。（4）采取同一日期类型、同一时刻的历史负荷 的线性组合作为修正值。1.2样本数据归一化处理（1）负荷数据的归一化归一化的目的是将输入向量中的各属性之间的 数量级拉近，如果量级相差过大会影响最终的预测 结果，使的预测结果失真。因此，我们要对负荷数 据进行归一化处理。首先确定样本集中历史负荷的 最大值孔心和最小值喝n，然后利用式（1）将负荷 数据归一化到-1,1之间，使负荷数据在有效空间中 均匀分布。(1)最后，用式（2）换回真实值。tab.2 the-ssummer and autumn weather quantification天气状况晴客多云阴小雨中雨量化值10.90.80.70.

9、60.5大雨阵雨雷雨暴雨0.40.30.20.1（3）日期量化处理文中将日期分为两个类型：工作日和休息日。 周一至周五归结为工作日（1）,周六周日归结为休 息日（0）o2基于改进的pso-svm短期负荷预测研究2.1粒子群优化算法2.1.1 pso基本原理设n为初始种群的大小，第，个粒子的位置和 速度在d维搜索空间可分别表示为： umin+gfin），xfin+smaxfin）通过对粒子适应值的评价，分别记个体所寻找 到的最佳位置为"心以及群体寻找到的最佳位置为 best ：句=月",2,，加(5)(6)设目标函数用表示，则微粒，寻找到的最 佳位置可以表示为:£(

10、* + 1)= <r(k) if /(xj(a + l)2/(%幻)(7)xgl) if /(x,(a + 1) </(£(*)(2)所有粒子在群体中寻找到的最佳位置为:(9)(10)（2）温度和天气特征的归一化当温度在一定范围内变化时，对负荷波动的影 响基本相似。文中将温度的归一化处理过程融入到 负荷数据的归一化中。对天气特征而言，东北地区四季分明，因此根 据季节特点，将春冬、夏秋各分为一类，分别进行 量化处理，结果如表1、2所示：表1春冬季节天气量化处理tab.l the-sspring and winter weather quantification天气状况晴多云

11、阴小雨中雨最化值10.90.80.70.6暴雨雨雪小雪中雪大雪暴雪0.50.40.30.20.10.0表2夏秋季节天气量化处理4 6佃（化）,康幻,.，40）|/（4）=血”（4（幻，4做一，4"）（8）在pso算法中，经过不断的迭代，粒子自身的 速度和位置就需要不断更新，此时就可以通过跟踪 p心和g心来实现更新：&伏+1）=吧（幻+砧乌（幻- x.冏+ 弘与（*）一'认幻xij（k + ） = xij+vij（k + ）i = 1,2,n, j = 1,2,式（9）和式（10）中，惯性权因子表示为刃，正的 加速度表不为c和c2,通常在02之间取值，i和r2 都可以选

12、取为01之间的随机数.另外，如果粒子的速度区间-m，瞄位置范围amin's设置在合 理地范围，可以有效限制粒子的移动。2.1.2粒子群算法的流程图1粒子群优化流程图tigfig.l flow chart of pso2.2基于组合核函数的短期负荷预测模型建立核函数的选择和参数的确定是运用svm时的 一步重要工作。根据核函数的不同映射特性，可以 将核函数分为全局核函数和局部核函数。其中多项式核函数k(x,x,.) = (x*耳+ 1尸为典型的全局核函数，而径向基核函数k(x,) = exp(-|x-x,.|2/()2)为典型的 局部核函数。文章提出为了让局部核函数和全局核函数二者 的优点

13、有效的结合，使其在具有优异分类能力的同 时也有良好的推广能力，所以考虑核函数的组合使 用。为了使组合核函数仍然满足mercer条件，最有效 的办法就是线性组合两种核函数，即：k( w)=。晶 +0，板 |(11)式中。、月分别为组合核函数的权值系数，令 。+ /? = 1,且。20、/7>0,通过改变权值的大小， 便可改变核函数全局性或局部性影响的大小。通过 证明任意核函数的非负线性组合，依然满足mercer 条件。于是，本文所提出的基于线性函数和径向基 函数的组合函数可以作为svm模型的核函数使用。2.3 基于组合核函数的短期负荷预测流程图图2短期预测流程图tigfig.2 flow

14、chart of sshorttnrm forecastsforecastingflowehaft3算例分析运用文中所提方法，利用吉林省电力公司某地 区2013年7月至12月的历史负荷数据作为训练样 本，通过pso算法确定惩罚系数c取50,学习精度 系数$取0.001,核宽度参数(5取0.9。线性核函数和 rbf核函数的权值系数分别取a=0. 7和0=0. 3,预测12月15日全天的负荷数据，预测结果如下表。表3吉林某地区12.15日预测结果统计表tibtab.3 table-prediction result statistics 12.15 days inan area of jilin

15、on 12.15 理die而ns时刻 实际负 rbf核函数组合核函数(h)荷mw预测值误差预测值误差14554403.3714452.19824484304.0184401.76834474352.6854372.23744504402.2224421.77854724504.6614602.54365044902.7784951.785754453()2.574540().735function based on actual load and forecasting loadcurve0 012345678 910111213141516171819202122232485915801.8

16、615851.01595925802.0275870.845105895752.3775801.528115915851.0155851.015125795820.5185701.554135815701.8935751.033145845653.2535741.712155996101.8366071.336166115952.6196191.309176556451.5276500.763186606452.2736501.515196536254.2886550.306206356251.575630().787216236052.8906121.766225715552.8025601

17、.926235185101.5445003.475244694802.3454751.279700)i 23456789 10 11 12 1314 1516 1718 1920 21 2223246506005505004504(x)图3单纯的rbf核函数实际员荷与预测负荷曲线图tigfig.3 actual and forecasting load curves withsimple rbf kernel function is simple and pfactical le&dforecashng load curve700近如45()-400 0 12 3 4 5 6 7 8

18、9 101112 131415 16171819 202122 2324 图4基于组合核函数实际负荷与预测负荷曲线tigfig.4 actual and forecasting load curves with combined kernel function effitaa而图5误差比较曲线图tigflg.5 error curvecomnarisonef errorcurve diagrams从表3和图3、图4、图5可以看出，单纯的rbf模 型预测的结果的平均相对误差为2.459%,基于组合 核函数模型预测结果的平均相对误差为1.509%。因 此，与单纯的rbf相比较，本文所提的基于组合核

19、 函数预测方法，在预测精度上有显著的提高，预测 结果更加可靠，更加具有说服力。4结束语(1) 文章充分考虑了气象因素对短期负荷预测的影 响，提出采用改进的横向比较修正法来修正和还原 异常数据，很大程度上保证了训练数据的可靠性和 有效性。(2) 经过与传统的预测模型进行对比，证明文中所 提出的改进的svm预测模型，较大程度上提高了短 期负荷预测的精度，预测结果应用价值极大。参考文献ii牛东晓、曹树华、赵磊等.电力负荷预测技术及其应用m,北京， 中国屯力出版社，1998： 1-4.(2潘锋，程浩忠等.基于支持向量机的电力系统短期负荷预测j,电 网技术，2004, 28(21)： 39-42.pan

20、 feng, cheng hao-zhong. short-term load forecasting svm-based power system |j |, power system technology 2004, 28(21)： 39-42.|3|韩勇，李红梅.基于小波分解的支持向量机母线负荷预测|j|.电力 自动化设备，2012, 32(4)： 88-91.han yong, li hong-mei._wavelet support vector machine based bus load tbrecasting j, electric power automation equip

21、ment, 2012, 32(4)： 88-91.|4| juan r, rabunal julian dorado. artificial neural networks in real-life applications m, idea group publishing, nov 15, 2005.|5 ying chen, luh, p.b, che guan, et al. short-term load forecasting: similar day-based wavelet neural networks j. ieee trans. powersystems, 2010,25

22、(1):322-330.李殿文(i99o-),男，汉族，吉林省吉林市人，硕士研究生，从事电|6秦海超，王玮，周晖等.人体舒适度指数在短期电力负荷预测中的应力系统短期负荷预测研究工作。email：用j.电力系统及其自动化学报，2006, 18(2): 63 66.高超(1984-)，男，汉族，吉林省电力有限公司检修公司。张洪赫(i986-)，男，汉族，辽宁省本溪供电公司。qin hai-chaoavang wei, zhou hui._human comfort index in the short-term power load forecasting j'short lerm ele

23、clficload l&ec-si using human body amenity indicatorj. proceedings of 【hecsuepsa, 2006, 18(2): 63-66.带格式的：字体：(默认)宋体，小四，字体颜色： 黑色'带格式的；正文，两端对齐，缩进：左侧：0厘米， 悬挂缩进：1.5字符，首行缩进：-l5字符，行距: 单倍行距，无孤行控制，图案：清除带格式的：字体：(默认)times new roman,六号， 字体颜色：自动设置7李光珍,刘文颖，云会周.等.母线负荷预测中样本数据预处理的新方法j.电网技术，2010,34:149-154.li guang-zhen, liu new method of sample data preprocessing bus loadforecasting! j |. power system technology, 2010, 34(2): 149-154.7|姚李孝，刘学琴.基于小波分析的刃度负荷组合预测|j.电网技术,2007, 19(31): 65-68.yao li-xiao, liu xue-qin._monthly l