天津大学2009届本科生毕业设计（论文）
解决了在神经网络方法中无法避免的局部极值问题。解中只有一部分不为零，对应的样本就是支持向量。支持向量实际上是训练集的子集，对支持向量的最低分类等价于对训练集的分类。由于在解决有限样本、非线性及高维识别中突出体现了其优势，而电力负荷变化规律又有极强的非线性，故支持向量机在电力系统负荷预测中的应用研究正在成为研究热点。
1.3 本文所做的主要的工作
短期负荷预测对电力系统的控制和调度十分重要。提高负荷预测尤其是短期负荷预测的精度已成了当务之急。负荷预测难点在于方法和模型的确立，预测的精度难以保证。本文就短期负荷预测问题进行了以下方面的主要工作：
（1）负荷理论研究。对电力负荷变化的内在规律负荷特性以及在负荷预测中要考虑的相关因素进行研究，包括负荷的分类及特性，影响负荷变化规律的因素等。对负荷预测中要考虑的相关因素进行了规范化处理，为以后负荷预测模型建立打下了基础。
（2）利用人工神经网络进行短期负荷预测数学模型的构建。以人工神经网络为基础结合负荷变化特点，选取合适的输入变量，确定网络结构及权值、阀值，设置合适的训练函数。使用MATLAB人工神经网络工具箱，对负荷历史数据仿真，检验使用人工神经网络法进行负荷预测的效果。
（3）利用支持向量机原理进行短期负荷预测数学模型的构建。将支持向量机用于回归计算，建立短期负荷预测数学模型。使用MATLAB中的LSSVM工具箱，对负荷历史数据仿真，检验使用支持向量机法进行负荷预测的效果。
（4）将支持向量机法与人工神经网络法进行误差比较，并分析各自的优缺点。
4
天津大学2009届本科生毕业设计（论文）
第二章 短期负荷预测分析
2.1 负荷的特性
负荷预测是根据负荷过去的历史资料建立恰当的数学模型对未来的负荷进行预测，所以了解负荷的特性对掌握负荷预测本质提高负荷预测的精度有重要的意义，尤其是对精度要求较高的短期负荷预测。电力系统负荷一方面在一定条件下电力负荷按一定趋势有规律地发展变化，如具有按天、按周、按年的周期性变化特点；另一方面有其不确定性，这是因为用户要求总有一些偶然性的变化且气象条件的变化比较复杂且没有固定的规律。因此在进行电力系统的短期负荷预测时，针对负荷变化的这些特点既要充分分析掌握并利用其规律性又要兼顾各种因素的影响。本论文将任意时刻的负荷假设为以下4种成分的组合针对每种成分的特性分别进行分析然后在预测模型中分别考虑各种成分如何处理.
（1）正常负荷分量
正常负荷也称为典型负荷分量，它与气象无关具有线性变化和周期变化的特点。典型负荷的不同主要是由于各地负荷组成方式的不同所引起。它的变化规律主要体现在负荷变化的周期性，这种周期性变化是负荷的一种内在规律，究其原因，是人类的生产、生活具有规律性。具体的周期性体现在负荷具有日周期性、周周期性、年周期性和节假日特性。负荷变化的周期性是分析负荷预测的基础，也是短期负荷预测的关键。
（2）天气敏感负荷分量
天气敏感分量主要和一些天气因素有关，例如:湿度、温度、风力、日照、能见度等等，对短期负荷具有非常明显的影响效应。不同的天气因素对负荷的影响力不同，不同时期天气因素的对负荷的影响也不一样，这些特点决定了负荷的季节性周期变化规律。随着我国人民生活水平的提高，城市空调的用电比例发展较迅速，在许多大中型城市已经出现了夏季负荷高峰，在冬季用空调取暖也很普遍，可见温度与负荷变化关系密切。由于气候条件包含很多因素，且气象数据很难准确到具体时间具体地点，本文重点考虑了温度对负荷的影响。
（3）特殊事件负荷分量
异常和特殊事件使负荷明显偏离正常负荷特性，比如:系统故障、拉闸限电、政治事件、特殊节目、自然灾害等等。这类事件具有很强的随机性，难以预测，只能依靠调度人员的经验判断。可以通过人工修正加以改进。
（4）随机负荷分量
负荷序列本质上就是一个随机序列，负荷的随机分量是负荷中的不可解释部分。在短期负荷预测中，有些影响因素是不确定的，不可预料的，会对电力系统负荷造成冲击，产生随机负荷。
5
天津大学2009届本科生毕业设计（论文）
2.2 负荷预测的特点及基本要求
由于负荷预测是根据电力负荷的过去和现在推测它的未来发展趋势和状况的活动，所以这项工作是一件不确定事件。必须科学的总结出预测工作的特点。负荷预测有以下显著特点：不准确性、条件性、地区性、多方案性。
负荷预测的不准确性体现在电力负荷发展是不确定的。它受到各种复杂因素影响，未来不可知。我们的出的负荷预测结果都是不完全准确的，它只是一个概率值。
负荷预测的条件性体现在负荷预测的过程是一个由历史向未来递推的过程，是在一定条件下做出的。条件可分为必然条件和假设条件两种。利用电力负荷预测的本质规律，这就是必然条件，而由于负荷未来发展的随机性，需要一些假设条件。
负荷预测的地区性体现在不同地区负荷构成的比重是不同的，因此影响负荷的因素的敏感性有所不同。
负荷预测的多方案性体现在不同数学模型的使用条件是不同的。为了减小预测误差，要考虑不同负荷条件下建立模型。
负荷预测的目的是得到合理、可信的预测结果。因此负荷预测应满足以下的基本要求：基础资料合理性，统计分析的全面性，预测手段的先进性，预测方法的适应性。
（1）基础资料合理性要求搜集和掌握大量全面、准确的资料，对历史数据进行合理性分析。
（2）统计分析的全面性要求对大量的历史资料，要进行客观而全面的统计分析。反复研究和分析历史发展的内在规律性，为预测工作打好基础。
（3）预测手段的先进性要求预测工具与预测理论都要先进。本文使用MATLAB工具箱，采用人工神经网络法和支持向量机法进行预测，满足先进性要求。
（4）预测方法的适应性要求预测方法能适应负荷结构和电网发展。由于电力系统负荷预测是在一定的假设条件下进行的，其中包括许多不确定的因素，因此要求预测方法要有适应性。
2.3 负荷预测的步骤
电力系统短期负荷预测是根据己知的历史负荷数据对未来几天或几小时的负荷情况进行预测。负荷预测基本步骤如下：
（1）调查和选择历史负荷数据，对负荷数据的预处理
多方面收集资料，从众多的资料中挑选出有用的一小部分。对历史资料进行数据分析预处理时，应剔除那些坏数据，保证资料的完整无缺，数字准确无误，
6
天津大学2009届本科生毕业设计（论文）
同时做好数据归一化处理。
（2）建立负荷预测模型
对具体资料要选择恰当的预测模型，这是负荷预测过程中至关重要的一步。当由于模型不当导致预测误差过大时要改换模型。同时可以采取几种不同的模型进行运算，以便对比、选择。
（3）负荷预测的误差分析
由于负荷预测只是一种对未来负荷值的估算，不可避免地，它与客观实际之间仍然存在着一定的差距，这就是预测误差。研究产生负荷预测误差的原因，计算并分析误差的大小是很有意义的。这样不但可以认识预测结果的准确程度，从而在利用预测资料作决策时具有重要的参考价值，同时它对于改进负荷预测工作、检验和选用恰当的预测方法等方面也有很大的帮助。
误差的产生一方面是由于负荷预测模型简化了很多次要因素，这使模型与实际负荷之间存在差距。这样进行预测时无可避免的会与实际负荷产生误差。另一方面进行预测所需的大量历史资料并不能保证其准确可靠，且某种意外事件的发生或情况突然变化，同样会造成预测误差。同时，预测方法的选择也很重要，如果选择不当，将随之产生误差。
7
天津大学2009届本科生毕业设计（论文）
第三章 基于人工神经网络的负荷预测
3.1 人工神经网络概述
3.1.1 人工神经网络概念及发展历史
人工神经网络是基于对人脑组织结构、活动机制的初步认识提出的一种新型信息处理体系。通过模仿脑神经系统的组织结构以及某些活动机理，人工神经网络可呈现出人脑的许多特征，并具有人脑的一些基本功能。神经网络定义下：一个神经网络是由一个有处理单元构成的并行分布的信息处理结构，处理单元通过被称之为连接的单向信号通道而连在一起，每个单元有一个输出并将其输入到与之相连的连接中去，所有的处理过程经过每个处理单元时都是完全局部的，即它只依赖于其当前的与之相连的输入信号，并且将其值存储于处理单元的局部记忆之中。
神经网络最早的研究从是40年代开始的，发展大致经过三个阶段。1947至1969年为初期，在这期间科学家们提出了许多神经元模型和学习规则。1970至1986年为过渡期，这个期间神经网络研究经过了一个低潮，主要是对于多层网络，如何找到有效的学习算法问题。1987年至今为发展期，在此期间，神经网络受到国际重视，各个国家都展开研究形成神经网络发展的另一个高潮。我国最早涉及人工神经网络的著作发表于1980年。
3.1.2 人工神经网络特点及在负荷预测中的应用
神经网络模型是由大量的简单神经元组成的非线性系统，每个神经元的结构和功能都比较简单，仅仅是对输入信号的加权求和，而大量的神经元组合产生的系统行为却非常复杂，下面从结构、性能和能力三个方面介绍人工神经网络的基本特点。
（1）结构特点：信息处理的并行性、信息存储的分布性、信息处理单元的互联性、结构的可塑性。神经网络模型是由大量的简单神经元组成的非线性系统，每个神经元都是并行活动使网络呈现出丰富的功能并具有较快的速度。结构上的并行性必然导致信息存储的分布性。
（2）功能特点：高度的非线性、良好的容错性和计算的非精确性。神经元的并行工作必然使整个网络呈现出高度的非线性，而信息存储的分布性使网络有了很好的容错性。
（3）能力特点：自学习、自组织与自适应性。神经网络能在外部刺激下按一定规则调整神经元之间的突触连接，逐渐建立神经网络，这一构建过程是网络的自组织。神经网络还有改变自身的性能以适应环境变化的自适应性，它是神经网络的一个重要特性。
8