基于对数平均迪氏指数-布谷鸟搜索算法-最小二乘支持向量机的区域中长期电力需求预测

中长期用电需求预测对地区电网规划与运行具有重要意义。准确地对其进行预测有助于配电网利用效率的提高。中长期用电需求与地区宏观经济形势息息相关,选用(对数平均迪氏指数)LMDI分解模型对用电增长量进行了分解。根据影响因素分解为生产效应、结构效应及强度效应,然后选用布谷鸟搜索优化的最小二乘支持向量机对各效应数据进行拟合及预测,再加总得到预测用电需求量。最后,以冀北地区为例对模型进行测算,通过与不同预测方法比较证明了基于LMDI电量分解的CS-LSSVM模型在中长期电力需求预测方面有较高的准确度。     

冀北地区年度最大负荷的支持向量机建模预测

国网冀北电力有限公司肩负着保障首都供电安全、服务冀北地区经济社会发展和服务国家新能源发展的特殊使命。在分析影响负荷变化的外部环境的前提下,使用支持向量机(support vector machine,SVM)和误差反向传播算法(back propagation,BP)神经网络对冀北地区年最大负荷进行建模预测。误差对比分析表明支持向量机的预测精度更高;从预测结果看,冀北地区年最大负荷波动较小,年均增长率为0. 78%。预测结果可为冀北地区电力发展提供参考。     

基于LMDI-CS-LSSVM的区域中长期电力需求预测

中长期用电需求预测对地区电网规划与运行具有重要意义,准确地对其进行预测有助于配电网利用效率的提高。中长期用电需求与地区宏观经济形势息息相关,本文选用LMDI分解模型对用电增长量进行了分解,根据影响因素分解为生产效应、结构效应及强度效应,然后选用布谷鸟搜索优化的最小二乘支持向量机对各效应数据进行拟合及预测,再加总得到预测用电需求量。最后,本文以冀北地区为例对模型进行测算,通过与不同预测方法比较证明了基于LMDI电量分解的CS-LSSVM模型在中长期电力需求预测方面有较高的准确度。