[发明专利]基于支持向量机分类的负荷类型识别方法

权利要求书

1.一种基于支持向量机分类的负荷类型识别方法，其特征在于：将不同负荷类型用户的负荷特性曲线作为支持向量机分类依据，实现对不同负荷类型负荷曲线的识别，步骤如下：

步骤1：研究分析工业、农业、商业及市政居民用户的用电行为习惯特点，基于用电信息采集系统采集用户用电数据，获得工业、农业、商业及市政居民用户四种典型负荷类型的日负荷以及年负荷用电量数据，构建多维负荷特征分类指标；

步骤2：建立支持向量机分类器模型，依据“一对多”策略实现数据的多分类；

在训练样本时按4个类别顺序依次把某个类别的样本归为一类，其余类别样本归为一类，构造4个支持向量机分类器；预测样本类别时，分别判断该样本与已建立的4个支持向量机分类器的几何距离δ，将样本归类到具有最大几何距离δ的一类；

步骤3：寻找负荷数据中的最大值元素与最小值元素，将处于多种数量级的不同类型负荷的数据进行离差标准化处理；

步骤4：将用电信息采集系统中获取的用电数据按照8:2的比例划分训练组与实验组，训练组用于支持向量机分类器的训练，实验组用于分类识别其负荷类型；

步骤5：将训练组输入到支持向量机分类器中进行训练；

步骤6：将实验组数据输入到支持向量机分类器中，获得每个实验组的负荷类型识别结果。

2.根据权利要求1所述的基于支持向量机分类的负荷类型识别方法，其特征在于：所述的步骤1构建多维负荷特征分类指标如下：

日平均负荷指一天24小时的负荷用电数据的平均数，月平均负荷指一年12个月的负荷用电量的平均数，如下式所示：

其中，η_日表示日平均负荷，η_年表示月平均负荷，x₁，x₂，...，x₂₄为一天24小时的每小时的负荷用电量，n₁，n₂，...，n₁₂表示一年12个月的每月的负荷用电量；

负荷平均值/负荷最大值为负荷率；把一天24小时日负荷用电量的最大值作为分母，日平均负荷作为分子，构建各种负荷类型的日负荷率和年负荷率：

其中，δ_日、δ_年分别表示日负荷率与年负荷率；

负荷用电量最大值与负荷用电量最小值之差除以负荷用电量最大值的商为峰谷差率：

上式中，λ_日、λ_年分别表示日峰谷差率与年峰谷差率；

24小时内的最后一小时与前一小时的用电量之差为日负荷变化率，12个月内的最后一个月与前一个月的平均用电量之差为年负荷变化率：

γ_日＝(x₂-x₁,x₃-x₂,...,x₂₄-x₂₃)

γ_年＝(n₂-n₁,n₃-n₂,...,n₁₂-n₁₁)

上式中，γ_日、γ_年分别表示日负荷变化率与年负荷变化；

最终获得的负荷分类指标如下：

Y_日＝(η_日，δ_日，λ_日,x₂-x₁,x₃-x₂,...,x₂₄-x₂₃,d_i)

Y_年＝(η_年，δ_年，λ_年,n₂-n₁,n₃-n₂,...,n₁₂-n₁₁,d_i)

上式中，Y_日表示日负荷分类指标，Y_年表示年负荷分类指标，η_日表示日平均负荷，η_年表示年平均负荷，δ表示负荷率，λ表示峰谷差率，x_i表示用电量，d_i表示负荷类型对应的标签；其中，日负荷分类指标的维度为27，年负荷分类指标的维度为15。