基于聚类组合和支持向量机的环境经济负荷调度模型

罗喜英

（湖南科技大学 商学院，湖南 湘潭 410012）

0 引言

经济负荷调度(ELD)问题是针对一个包括多个发电单元的发电系统最优分配每个发电单元的发电量,使得在满足系统约束条件下达到发电成本最小的目标。然而,在满足系统发电约束条件下将发电成本和污染控制成本统一考虑进行优化,即环境经济负荷调度（EELD）问题已经引起关注。

在电力系统运行中短期电力负荷预测是环境经济负荷调度的重要环节，是保证电力系统安全经济运行和实现电网科学管理的重要依据。随着电力系统的市场化，提高电力系统负荷预测的精度变得越来越重要。目前，短期负荷预测方法主要包括回归分析法、时间序列法、人工神经网络方法、模糊预测法和小波分析法等。

由Vapnik等人提出的支持向量机(Support Vector Ma⁃chine,SVM)方法能较好地解决小样本、非线性、高维数和局部极小点等实际问题，在时间序列预测问题上得到了成功的应用。但其预测精度在很大程度上依赖于训练集的选择，恰当、合理的样本可使预测方法快速、有效地逼进目标矢量，达到误差要求。本文考虑到电力负荷变化的周期性和相似性特点，根据自组织映射(Self-Organizing Map,SOM)网自组织和C-均值算法高效率的特点，通过将两者组合进行聚类，引入DB指数作为聚类质量评价标准，获取与预测日特征相似的相似日样本集，以克服传统SVM方法训练样本集过大的缺点，利用SVM模型对预测日96点负荷进行预测，取得了令人满意的预测精度。……