[发明专利]一种基于支持向量机的配变负载预测方法

权利要求书

1.一种基于支持向量机的配变负载预测方法，其特征在于：包括以下步骤：

S1：采集并处理影响配变负载的历史数据，具体包括以下步骤：

S11：获取历史数据，所述历史数据包括配变在指定时间段的负荷数据、天气数据、社会事件数据、指定时间段配变发生重过载频率的数据；

S12：对采集到的数据进行处理，设置配变重过载的判断标准以及设置配变重过载情况为“持续”还是“瞬时”的阈值；

S2：采用上述历史数据作为训练样本，采用支持向量机的方法训练配变负载预测分类器，构建预测模型；

S3：根据配变负载预测模型预测配变的负载情况。

2.根据权利要求1所述的一种基于支持向量机的配变负载预测方法，其特征在于：所述步骤S2具体包括以下步骤：

S21：构建正负两个训练样本集：正样本集包含数据为：历史负荷数据x1，天气数据x2，社会事件数据x3，重过载频率x4，y值为+1，代表正样本，表示配变负载正常的情况；负样本集包含数据为：历史负荷数据x1,天气数据x2,社会事件数a据x3,重过载频率x4,y值为-1，代表负样本，表示配变负载非正常的情况；

S22：设定SVM训练样本的类型参数：训练样本已经大于两个维度，故参数类型选择C_SVC；

S23：选择核函数，选择径向核函数把训练样本映射到高维空间；具体如下：

S24：设置算法终止条件：设定一个最大迭代次数和容许误差的组合，从而控制算法在适当的条件下停止计算；

S25：在高维特征空间中确定最优分类面,得到各样本的支持向量和VC可信度,形成最终的判别函数，构建预测模型。

3.根据权利要求1所述的一种基于支持向量机的配变负载预测方法，其特征在于：所述步骤S11中的天气数据包括温度数据。

4.根据权利要求1所述的一种基于支持向量机的配变负载预测方法，其特征在于：所述所述步骤S11中的社会事件数据包括节假日数据。

5.根据权利要求1所述的一种基于支持向量机的配变负载预测方法，其特征在于：所述步骤S12中设置配变重过载的判断标准具体为：

对于安装配变监测终端的配电变压器，正常运行方式下，以低压侧额定相电流为基准值，统计1天内三相电流的算术平均值超过基准值80％的持续时间，如果干变持续时间超过1小时或者油变持续时间超过2小时，则计对应的配电变压器发生过载1次；如果一个自然月内累计出现10次，则对应的配电变压器重载。

6.根据权利要求1所述的一种基于支持向量机的配变负载预测方法，其特征在于：所述步骤S12中设置配变重过载情况为“持续”还是“瞬时”的阈值具体为：设置基准阈值为12次，低于12次则判定对应的配电变压器为偶发性重过载，高于12次则判定对应的配电变压器为持续性重过载。