[發明專利]一種基于支持向量機的分鐘級負荷曲線預測方法

在審

• 申請號: 202210200005.3
• 申請日: 2022-03-02
• 公開（公告）號: CN114722696A
• 公開（公告）日: 2022-07-08
• 發明（設計）人: 吳俊杰;羅宇;劉亮;戴雯菊;李一荻;張恂;黃宇;金宇;肖輔盛;黃曉旭;夏盛海;沈云春;穆萍;盧昊;楊攀
• 申請（專利權）人: 貴州電網有限責任公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06Q10/04;G06Q50/06;H02J3/00
• 代理公司: 南京禹為知識產權代理事務所(特殊普通合伙) 32272
• 代理人: 沈鑫

1.一種基于支持向量機的分鐘級負荷曲線預測方法，其特征在于，包括：

提取用電負荷的負荷數據，并對其進行數據預處理；

對預處理后的數據進行選擇，構建支持向量機模型；

通過徑向基核函數選擇支持向量機模型的參數，并基于粒子群算法優化所述支持向量機模型的參數，以優化所述支持向量機模型；

通過優化后的支持向量機模型對負荷曲線進行預測。

2.如權利要求1所述的基于支持向量機的分鐘級負荷曲線預測方法，其特征在于：包括，

按日期、氣象提取用電負荷的負荷數據，對用電負荷的負荷數據中的奇異值進行數據預處理；

根據下式進行所述數據預處理：

其中，S(i)表示第i時刻的負荷值，S_max(i)、S_min(i)分別表示負荷曲線中的最大值、最小值，S^*(i)∈[0,1]預處理后的奇異值。

3.如權利要求2所述的基于支持向量機的分鐘級負荷曲線預測方法，其特征在于：選擇包括，

數據選擇的影響因素：天氣因素、節假日影響因素、經濟因素；

其對應樣本x為：

x＝{(x₁,y₁),(x₂,y₂),…,(x_m,y_m)}

其中，m是樣本容量，x_i是輸入數據，y_i是輸出數據，Φ是非線性映射；

所述輸入數據x_i包括：

日期信息：負荷按日、周、年周期變化；

氣象信息：季節、每日天氣、溫度；

負荷時間序列：如預測某一時刻y的負荷，則前n天同一時刻的負荷或這一時刻的相鄰負荷會與其存在關聯性，輸入數據也具有這一特征。

4.如權利要求3所述的基于支持向量機的分鐘級負荷曲線預測方法，其特征在于：包括，

通過對應樣本x對支持向量機模型函數進行回歸估計，獲得f(x)：

f(x)＝ωΦ(x)+b

其中，f(x)為回歸估計值，ω、Φ(x)是樣本容量m的向量，b是閾值。

5.如權利要求4所述的基于支持向量機的分鐘級負荷曲線預測方法，其特征在于：包括，

引入松弛變量ξ_i、使下式最小化，以確定所述ω、b：

其中，C是權重系數，∈為一個無限接近于0的數；

通過Langrange乘子法計算，得到回歸估計后函數的對偶形式：

其中，α_i、為Langrange乘子，T為轉置符號；

結合上述公式求解得到ω：

根據KKT條件，求解得到b：

6.如權利要求5所述的基于支持向量機的分鐘級負荷曲線預測方法，其特征在于：包括，

根據所述ω，b，計算回歸估計值f(x)：

其中，Z(x_i,x_j)為核函數，j表示j時刻。

7.如權利要求5或6所述的基于支持向量機的分鐘級負荷曲線預測方法，其特征在于：徑向基核函數包括，

徑向基核函數K(x_i,y_i)的表達式為：

K(x_i,y_i)＝exp(-‖x_i-y_i‖²/2σ)

其中，σ為RBF核函數中的參數。

8.如權利要求7所述的基于支持向量機的分鐘級負荷曲線預測方法，其特征在于：負荷曲線預測包括，

基于所述粒子群算法優化支持向量機模型的參數(C,∈,σ)，以優化所述支持向量機模型；

通過優化后的支持向量機模型對負荷曲線進行預測，在進行預測時，若出現異常的預測值，則通過求取前后負荷預測值的平均值或線性插值修正。