[发明专利]基于支持向量机分类的负荷类型识别方法

说明书

一种基于支持向量机分类的负荷类型识别方法，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的用户用电数据，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；依据“一对多”策略建立数据的多个向量机分类器；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；将获取的用电数据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；将训练组输入支持向量机分类器中进行训练；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。

技术领域

本发明涉及一种电力负荷类型识别方法。

背景技术

随着我国当前经济和科学技术的发展，电网智能化和信息化水平不断提高，电力在当前能源格局中占有举足轻重的作用。为了更好地提高供电公司对用户的服务质量，用电信息采集系统在近年来取得了长足进步。最初的用电信息采集系统仅用于采集用户用电量以计费，后来随着相关技术的不断发展，用电信息采集系统的数据采集种类不断增加，使得电力公司可以获得丰富的原始数据，这也促进了电力大数据相关研究的发展。

针对负荷曲线聚类问题，近年来已经有大量相关文献研究。目前，大多数学者多集中于无监督的聚类算法研究，如K-means聚类算法等，这类算法可以达到负荷曲线聚类的目的，但也存在一些问题和缺点。比如，K-means聚类算法在使用前需要人为指定聚类数目K以及聚类中心，这使得K值的选定非常困难，而且当数据量相当大时，K-means聚类算法将会耗费大量的时间，无法满足大数据背景下的相关要求。此外，在大数据背景下，用户负荷数据相当庞大，无监督的聚类算法虽然可以将负荷曲线聚类，但是难以识别负荷曲线所属类型，因此需要额外进行人为的负荷曲线分析。

综上所述，目前在负荷类型分类研究中考虑使用支持向量分类机模型的研究较少。

发明内容

本发明针对现有研究关于负荷类型分类研究中的不足，提出一种基于支持向量机分类器的负荷类型识别方法。本发明通过采集用电信息采集系统中的不同负荷类型电力用户的用电量数据，构建包括负荷率、峰谷差率、平均负荷、负荷变化率等负荷特征指标，引入负荷类型对应标签，建立与日负荷曲线及年负荷曲线对应的负荷特征模型，通过划分训练组和实验组，利用支持向量机分类器实现待预测负荷数据的负荷类型识别与分类。

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；

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；

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；

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；

5、将训练组输入到支持向量机分类器中进行训练；

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。

所述步骤1中：目前，在进行电力负荷类型分类研究过程中，一般将负荷分为工业负荷、农业负荷、商业负荷、市政与生活负荷四种类型。这四种负荷类型均有各自的特点，且日负荷与年负荷用电量的变化规律各自不同，可以此为依据构建相关负荷特征分类指标，因此有必要对上述四种负荷类型下的用户用电行为特征进行分析。