1 概述
负荷预测是根据历史负荷数据情况对未来负荷作出的一种预测或估算， 是电力系统规划和运行极
为重要的组成部分， 也是电力系统领域亟须研究的问题［１］ 。 电力负荷预测是电力部门的重要工作，给电网扩展、 电力调度等方面提供重要决策依据。随着智能电网的深入发展， 用电需求越来越多， 比如电动汽车、 分布式发电机等的接入， 增加了智能电网用电侧的不稳定性， 这会带来电力系统的波动， 造成电力负荷的不确定性； 同时， 电力负荷也受到气象因素 （温度、 湿度等）、 节假日、 工业区域条件、 无估计事件以及管理和政策上的影响， 这些无疑增加了负荷预测的难度。 因此， 采取适当的预测技术， 科学准确地预测电力负荷发展趋势， 有着十分重要的意义。
2 支持向量机算法
3 算例及运行结果
部分代码：
% 清空环境变量
close all;
clear all;
clc;
format compact;
%% 数据的提取和预处理
data=xlsread('数据');
ts = data((1:320),1);%训练集输出
tsx = data((1:320),2:end);%训练集输入
tts=data((321:end),1);%预测集输出
ttx= data((321:end),2:end);%预测集输入
% 数据预处理,将原始数据进行归一化
ts = ts';
tsx = tsx';
tts=tts';
ttx=ttx';
% mapminmax为matlab自带的映射函数
% 对ts进行归一化
[TS,TSps] = mapminmax(ts,-1,1); %矢量归一化
[TTS,TTSps]= mapminmax(tts,-1,1);
TS = TS';
TTS=TTS';4 结论
对图 1 及表 1 中的结果进行分析，可以发现：
(1)SVM 模型可以较好地对电力负荷进行预测，结果能比较准确地刻画出电力负荷在一定时间内的变化趋势。
(2)对于特定时段的电力负荷的峰值变化难以把握， 模型在预测峰值负荷的时候往往趋于平稳，导致对极端情况 下的电力负荷预测准确性不高。因为在实际用电环境下，电力负荷往往不不仅仅只与时间有一定关系，还有大量其他因子会影响电力负荷。
部分理论引用网络文献，若有侵权请联系博主删除。
5 参考文献
[1]何闰丰,黄莺.一种改进支持向量机的电力负荷预测方法研究[J].红水河,2022,41(02):94-99.
[2]王诗涵,周法国.基于支持向量机的电网负荷预测[J].现代信息科技,2020,4(24):120-122.DOI:10.19850/j.cnki.2096-4706.2020.24.032.