智能电网中考虑温积效应的OSVR负荷预测

为了提高智能电网系统的负荷预测精度,基于支持向量回归(support vector regression,SVR)原理以及卡罗需库恩塔克(Karush-Kuhn-Tucker,KKT)条件,建立一种在线支持向量回归(online support vector regression,OSVR)预测模型。当数据库有新样本添加时,该模型利用递增算法及时调整参数,实时学习当前负荷曲线特征和气象变化状况,而无需结合旧样本重新训练模型;考虑到温积效应对电力负荷产生显著影响,基于Fisher信息(FI)原理,通过气温窗口数据计算当前气温的权值,并将气温加权积作为模型输入量;将温度影响的持续性引入建模过程,从而得到FI-OSVR负荷预测模型。实例仿真结果表明,FI-OSVR模型具有较高的预测精度,在智能电网负荷预测中具有优越的工程实用性。