相空间重构和支持向量机结合的电力负荷预测模型研究

风电机组集中并网会对电网安全稳定运行带来影响，为了合理规划各类供电机组高效运行，对电力负荷预测的精度提出了更高的要求。电网负荷时间序列具有混沌特性，普通预测方法难以描述其特性和内在规律。利用混沌相空间重构理论对负荷时间序列进行研究，用互信息法和CAO方法分别求得时间延迟和嵌入维数，并由此得到系统最大李雅普诺夫指数，证明其具有混沌特性。然后根据时间延迟和嵌入维数对样本数据相空间重构，在此基础上利用支持向量回归算法（ PSR－SVR）对电力负荷进行预测，支持向量回归采用网格寻优确定参数。最后将预测的结果同时间序列模型和BP神经网络模型的预测结果进行对比，结果表明，这是一种误差小，精度高的电网负荷预测方法器。