基于小波子模型和LS-SVM的电力负荷预测文档.doc

基于小波子模型和LS-SVM的电力负荷预测 秦涛 （陕西省电力公司商洛供电公司，陕西，商洛，726200 摘要：研究了小波分解后负荷分量中的随机量、准周期量和发展趋势量混沌特性及原因，依据ls-svm的预测精度确定相空间重构的嵌入维数m和延迟时间；各子序列分别用ls-svm做局域混沌预测，得到最终预测值。实测数据分析表明，该方法精度较高、参数鲁棒性强，能得到满意的结果。 关键词：短期负荷预测；最小二乘支持向量机；负荷子模型；混沌；可预测时间 作者简介：秦涛（1984- ），男，陕西丹凤人，毕业于东北电力大学，工学硕士，从事配电网工程设计与研究方面的工作。 Load Forecasting Based On Wavelet Sub-model and LS-SVM Qin Tao[1], Zhang Liyan[2] (State Grid Shang Luo Power Supply Company,Shaanxi, ShangLuo 726200; State Grid TongChuan Power Supply Company,Shaanxi, TongChuan 727031;) Absract:Researching three sub-models for forecast with wavelet: stochastic quantity, periodic quantity, tendency quantity and reasons. Determine the m andτof phase space reconstruction according to the forecast result;carry out local region forecasting with least squares support vector machines (ls-svm) in each three sub-models to get the final result.Analysis of practical examples shows that the proposed method in this paper could fully explore the inner relationship between different models, reduces mutual interference, has high forecasting precision and robustness, efficiency for both work days and holidays, remaining satisfactory result without adjust parameter during a long period of time. Keywords: short-term load forecasting; least squares support vector machines (LS- SVM); load sub-modeling; chaos; predicable time 0 引言 电力系统负荷可认为由随机变化量，日周期、星期周期等准周期变化量，以及季节性变化量和发展趋势量组成[1]，同时研究也表明负荷有混沌特性,一些基于混沌的预测方法是直接将负荷做为整体按混沌法预测[2]~[8]，但统一建模不能很好的反应负荷时间序列的非线性规律，制约了预测的准确性。文献[9]采用双周期加混沌法，但没有详细分析不同时间尺度序列间的相互影响，且提取双周期的傅立叶变换适合于平稳量，使得计算结果的精确性受到影响。 本文分析了周期量对混沌量的干扰，将它们分为随机量，准周期量和发展趋势量等3个预测子模型。利用小波变换提取原始信号中的趋势量、周期量和随机量,能够对原始信号起到平滑作用，这有利于建模和预测。用平稳小波变换提取各尺度时间序列，根据周期组成3个子序列[10]。将随机时间序列置0，另两个子序列根据自身特性分别构造最小二乘支持向量机（ls-svm）的局域法预测模型[11]、[12]。实际数据计算表明了本文分析的正确性及方法的合理性 1 理论依据 1.1 平稳小波分解 平稳小波变换[10]对低通和高通滤波器的输出系数不再进行2倍抽取操作，而是在各级滤波器的值之间进行插值操作。这样，小波系数和尺度系数就与原始信号等长，每种分辨率下的信号和原始信号一一对应，这对时间序列预测是很重要的。设正交小波高通和低通滤波器的滤波器系数分别为 其中下标表示第级滤波器的第个系 数，令,为插值补零算子,则有， ，，（不等于的整数倍）。若s为原始信号序列,令 ，则信号的平稳小波变换分解为 （） 式中:和分别为尺度系