基于时间序列的SVM短时电力负荷预测

叶远胜 张静

摘  要：随着电力系统的飞速发展，以往基于小规模数据的传统电力负荷预测算法可能无法容纳大量数据集和效率上的要求。为改善预测模型的工程实用性、效率和准确度，将传统的时间序列预测方法与机器学习中的支持向量机算法相结合，应用于短时电力负荷预测。即使用某一时刻对应的以往时间点的电力数据作为属性值，使用支持向量回归构建模型进行预测。通过实践证明，模型可以快速有效地处理数据，并且具有较高的预测准确度。

关键词：时间序列;支持向量机;电力负荷预测;机器学习

中图分类号：TP183;TM715 文献标识码：A    文章编号：2096-4706（2020）24-0017-03

SVM Short Term Power Load Forecasting Based on Time Series

YE Yuansheng，ZHANG Jing

（China University of Mining and Technology-Beijing，Beijing  100083，China）

Abstract：With the rapid development of power systems，traditional power load forecasting algorithms based on small-scale data in the past may not be able to accommodate large data sets and efficiency requirements. In order to improve the engineering practicability，efficiency and accuracy of the forecasting model，the traditional time series forecasting method is combined with the support vector machine algorithm in machine learning and applied to short term power load forecasting. That is，the power data corresponding to a certain point in the past is used as the attribute value，and the support vector regression is used to construct a model for prediction. Practice has proved that the model can process data quickly and effectively，and has high prediction accuracy.

Keywords：time series;support vector machine;power load forecasting;machine learning

0  引  言

关于电力负荷特性的研究是研究电力的一项重要内容。由于用电负荷宏观上受经济，市场政策，文化，地理等因素影响，微观上又受到节假日、工作日等日期类型属性，气象状况，社会活动等诸多因素的影响。且影响机制属于非线性关系，常规方法难以取得较高精度[1]。精确的短期负荷预测结果能够帮助电力工作人员指定合理的电力调配方案，即维持了供需平衡，保证了电网安全[2]。本文针对实际情况，利用支持向量机算法在解决线性不可分、高维数等问题上的优势，研究基于时间序列的短时电力负荷预测模型，以達到优化电力负荷管理的目的。

1  国内外研究现状

国内外的学者们对电力负荷预测进行了很多的研究，并取得了很多不俗的成果。按照预测手段的不同，电力负荷预测的方法主要有传统和现代两大分支。……