第33卷第3期电网技术Vol.33No.32009年2月PowerSystemTechnologyFeb.2009文章编号：1000-3673（2009）03-0063-06中图分类号：TM715文献标志码：A学科代码：470·4051基于灰色模型和最小二乘支持向量机的电力短期负荷组合预测唐杰明1，刘俊勇2，杨可3，刘友波2（1．四川省电力公司南充电业局，四川省南充市637000；2．四川大学电气信息学院，四川省成都市610065；3．四川省电力公司调度中心，四川省成都市610065）Short-TermLoadCombinationForecastingbyGreyModelandLeastSquareSupportVectorMachineTANGJie-ming1，LIUJun-yong2，YANGKe3，LIUYou-bo2（1．NanchongBranchofSichuanElectricPowerCompany，Nanchong637000，SichuanProvince，China；2．SchoolofElectricalEngineeringandInformation，SichuanUniversity，Chengdu610065，SichuanProvince，China；3．DispatchingCenterofSichuanElectricPowerCompany，Chengdu610065，SichuanProvince，China）ABSTRACT:Ashort-termloadforecastingmethodinwhichtheleastsquaresupportvectorregression(LSSVRalgorithmisintelligentlycombinedwithgreymodel(GMisproposed.Consideringdailyperiodicityofpowerloadandbymeansofconditionalchoiceofhistoricalloaddata,varioushistoricalloaddatasuitesareconstructed,andforeachhistoricaldatasuiteaGM(1,1modelinwhichtheparameterβcanbemodifiedisconstructedtoconductloadforecasting.ByuseofLSSVR,thenonlinearcombinationoftheforecastedresultsbydifferentgreymodelsisperformedtoobtainfinalforecastingresult.Intheproposedforecastingmethodtheadvantagesofgreymodelsuchaslessrawdatatoberequired,simpletomodelandconvenienttocalculatearefullyutilizedandthefeaturesofLSSVRsuchasstronggeneralizationability,goodnonlinearfittingabilityandlesssamplestoberequiredarecombined,thustheforecastingaccuracycanbeimproved.Simulationresultsshowthattheproposedcombinationforecastingmethodiseffectiveandpracticable.KEYWORDS:powersystem；greymodel；leastsquaresupportvectormachine；non-linearcombination；short-termloadforecasting摘要：提出一种联合灰色模型(greymodel，GM和最小二乘支持向量机回归(leastsquaresupportvectorregression，LSSVR算法的电力短期负荷智能组合预测方法。在考虑负荷日周期性的基础上，通过对历史负荷数据的不同取舍，构建出各种不同的历史负荷数据序列，并对每个历史数据序列分别建立能修正β参数的GM(1,1灰色模型进行负荷预测；采用最小二乘支持向量机回归算法对不同灰色模型的预测结果进行非线性组合，以获取最终预测值。该方法在充分利用灰色模型所需原始数据少、建模简单、运算方便等优势的基础上，结合最小二乘支持向量机所具有的泛化能力强、非线性拟合性好、小样本等特性，提高了预测精度。仿真结果验证了所提出组合方法的有效性和实用性。关键词：电力系统；灰色模型；最小二乘支持向量机；非线性组合；短期负荷预测0引言短期负荷预测是电力系统安全、经济和可靠运行的基础，机组调度、经济负荷分配等运行规划均与准确、快速的负荷预测密切相关。短期负荷预测方法主要有：回归分析法、时间序列法、卡尔曼滤波、灰色模型、神经网络、支持向量机等[1-12]。由于影响负荷的因素具有复杂性和不确定性，而任何一种单一模型都难以全面考虑负荷的变化趋势和影响因素，因此单一模型预测方法一般不可能在不同的情况下都能获得令人满意的结果，也就是说在实际预测中单一模型方法具有较大的风险；而组合预测方法可以综合多种单一预测模型所包含的信息，最大程度地利用已知信息，改善多种单一方法的预测结果，降低预测风险[13]。所以，为了提高负荷预测的精度和可靠性，有必要在短期负荷预测工作中研究和运用组合预测方法。目前组合预测方法主要有2类：传统组合方64唐杰明等：基于灰色模型和最小二乘支持向量机的电力短期负荷组合预测Vol.33No.3法[14-16]和智能组合方法[17-18]。传统组合方法的典型代表有：等权平均组合预测法、最优权...