基于最小二乘支持向量机的周用电量预测方法

华电技术 ›› 2020, Vol. 42 ›› Issue (1): 35-40.

基于最小二乘支持向量机的周用电量预测方法

1.贵州乌江水电开发有限责任公司，贵阳〓550002；2.华电电力科学研究院有限公司，杭州〓310030

出版日期:2020-01-25 发布日期:2020-03-20

Prediction method for weekly electricity consumption based on LSSVM algorithm

1.Guizhou Wujiang Hydropower Development Company Limited, Guiyang 550002, China; 2.Huadian Electric Power Research Institute Company Limited, Hangzhou 310030, China

Online:2020-01-25 Published:2020-03-20

摘要/Abstract

摘要： 随着电力体制改革的不断深化、电力市场的蓬勃发展，发电企业为合理制定发电计划及市场竞价策略，对社会用电量预测提出了更精细化的需求。将最小二乘支持向量机(LSSVM)算法与短期用电量预测需求相结合，提出了一种周用电量预测方法，在充分考虑电量变化的周期性及延续性特点的基础上，将周气象特征指标纳入模型输入。实际算例测试表明，采用该周用电量预测模型实现了较高预测精度和较快计算速度，弥补了传统电量预测模型仅考虑历史电量影响，而无法更精确预测气象变化较大季节期间短期电量变化趋势的不足，满足电力市场背景下对周用电量进行精细化预测需求，具有较强实用性。

关键词: 电力市场, 发电企业, 负荷预测, LSSVM算法, 周气象特征, 周用电量

Abstract: With the deepening of the reform of electric power system and the vigorous development of electric power market, a more refined electricity consumption forecast is required by power generation enterprises in order to make a reasonable powergeneration plan and a market bidding strategy. A prediction method for weekly electric power consumption is proposed based on Least Squares Support Vector Machine (LSSVM) and shortterm electricity consumption forecast.Fully considering the periodicity and continuity of the electricity demand, weekly meteorological characteristics are added into the model input,which makes up for the shortcomings of traditional power forecasting models that only consider historical electricity quantity and cannot accurately predict shortterm power trends during great weather changes. The model proposed can meet the demand of a more refined electric quantity prediction in commercialized electric power market.It is of great practicability.

Key words: electricity market, power generation enterprises, load forecast, LSSVM algorithm, weekly meteorological characteristics, weekly electricity consumption

陈涛1，吕松1，任廷林1，薛晓岑2，罗兴祥1，刘明1. 基于最小二乘支持向量机的周用电量预测方法[J]. 华电技术, 2020, 42(1): 35-40.

CHEN Tao1，LYU Song1，REN Tinglin1，XUE Xiaocen2，LUO Xingxiang1，LIU ming1.

Prediction method for weekly electricity consumption based on LSSVM algorithm[J]. Huadian Technology, 2020, 42(1): 35-40.

[1]	李彬, 胡纯瑾, 王婧. 基于EEMD-BiLSTM的可调节负荷预测方法[J]. 综合智慧能源, 2022, 44(9): 33-39.
[2]	赵竟, 邢政, 黄保乐, 李鹏, 张盼, 张庭玉. 发电企业综合能源服务创新商业模式及发展策略研究[J]. 综合智慧能源, 2022, 44(3): 17-22.
[3]	王晓海, 徐静静, 胡永锋, 刘广宇, 王佑天. 新形势下发电企业在综合能源服务领域的业务分析[J]. 综合智慧能源, 2022, 44(3): 9-16.
[4]	管馨, 陈涛, 高赐威. 适应风电参与电力市场的需求侧储能负荷运行优化研究[J]. 综合智慧能源, 2022, 44(2): 35-41.
[5]	张爱平, 赵利兴, 刘静. 楼宇型综合能源服务系统智能优化运行研究[J]. 综合智慧能源, 2022, 44(2): 42-48.
[6]	徐世华, 刘萍, 邱睿, 欧阳俊, 孔凡旭, 徐彬, 张君波, 吴军, 韩锐. 海上微型综合能源系统能效评价与提升关键问题研究[J]. 华电技术, 2021, 43(4): 21-27.
[7]	钱国明, 丁泉, 黄超, 赵国涛. 基于价值链视角的发电企业参与综合能源服务策略[J]. 华电技术, 2021, 43(4): 28-33.
[8]	胡倩, 孙志达, 江坷滕, 雷一, 李海波. 基于短期负荷打捆预测的售电公司偏差考核控制方法[J]. 华电技术, 2021, 43(4): 47-55.
[9]	郑剑, 郝浩, 朱海东, 李伟, 唐旭, 刘思君. 新形势下发电企业在充电桩领域的业务分析[J]. 华电技术, 2021, 43(4): 78-82.
[10]	彭维珂, 聂椿明, 陈衡, 徐钢. 基于智能算法的空冷火电机组负荷预测研究[J]. 华电技术, 2021, 43(3): 57-64.
[11]	王志峰, 何雅玲, 康重庆, 王伟胜, 杜凤丽. 明确太阳能热发电战略定位促进技术发展[J]. 华电技术, 2021, 43(11): 1-4.
[12]	王永真, 韩恺, 赵军, 王剑晓, 龚宇烈, 范翼帆. 地热发电在新型电力系统中的定位及参与模式[J]. 华电技术, 2021, 43(11): 58-65.
[13]	冯丽, 李俊, 刘波. 清洁能源消纳背景下的重庆电网需求响应实践[J]. 华电技术, 2021, 43(1): 71-75.
[14]	张晋宾, 张子立, 李云波 . 区块链：概览、国际标准及在能源领域的应用分析[J]. 华电技术, 2020, 42(8): 1-10.
[15]	喻小宝, 郑丹丹. 区块链技术在能源电力领域的应用及展望[J]. 华电技术, 2020, 42(8): 17-23.