[发明专利]一种基于支持向量机的电力设备冲击负荷模拟方法

权利要求书

1.一种基于支持向量机的电力设备冲击负荷模拟方法，其特征在于包括以下步骤：

1)采集大功率电力设备的电压、电流录波数据，并处理成功率数据；

2)初始化支持向量机回归SVR模型，设置所需的核函数类型及参数Gamma，惩罚因子C的初值；

3)将实测录波数据归一化，输入到SVR模型训练，使用遗传算法和粒子群算法对模型初始化参数Gamma、C进行寻优调整，生成新的初始化值；

4)进行模型训练，使用新的初始化参数，通过Lagrange乘子对偶方法求解有效“支持向量”，确定当前支持向量集；

5)使用均方误差函数进行目标函数损失求解；

6)判断目标函数损失是否满足精度阈值，如果满足精度阈值则进行下一步，不满足返回步骤4)；

7)使用K-Fold交叉验证的方法迭代测试并调整支持向量，确定并保存当前模型参数集合，完成模型训练；

8)采集并输入需要模拟的大功率电力设备的实测数据电压U、频率f、时间t等变量，得到有功功率P和无功功率Q的拟合结果，实现大功率电力设备冲击性负荷的精确模拟。

2.根据权利要求1所述的一种基于支持向量机的电力设备冲击负荷模拟方法，其特征在于：步骤3)中，对于采集的电压、电流数据，首先使用均值归一化方式把数据映射到指定的范围进行处理，简化计算；模型初始化参数确定后，使用步骤4)所述方法，将数据分为K份，其中每份子集数据分别做一次验证集，剩余K-1份导入SVR模型进行训练，每次求解“支持向量”后，切换另外1份数据作为验证集，循环K次。

3.根据权利要求2所述的一种基于支持向量机的电力设备冲击负荷模拟方法，其特征在于：SVR模型公式如下：

其中x_i为训练集数据，β_i为求解支持向量的Lagrange乘子系数，C为待确定的超参数，b为常数，w为输入数据权重矩阵，σ_i、为松弛因子，表示核方法，用来映射SVR高维空间内积运算。

4.根据权利要求3所述的一种基于支持向量机的电力设备冲击负荷模拟方法，其特征在于：使用Radial Basis Function核方法，其公式如下：

其中，C与γ均为超参数，C表征模型对离值点的重视程度，决定了模型的泛化性能，γ值会影响支持向量对应的高斯作用范围，影响模型的拟合精度。

5.根据权利要求4所述的一种基于支持向量机的电力设备冲击负荷模拟方法，其特征在于：超参数数值的确定采用粒子群算法和遗传算法两种启发式方法，遗传算法GA-SVR将待求解参数C、γ编码为染色体，通过k代的遗传、变异、交叉、复制操作获取最优解，粒子群算法PSO-SVR利用群体中的个体对信息的共享使整个群体的运动在问题求解空间中产生从无序到有序的演化过程，从而获得最优解。

6.根据权利要求1所述的一种基于支持向量机的电力设备冲击负荷模拟方法，其特征在于：步骤5)中，采用最小均方误差MSE函数，公式如下：

其中ρ_i'为拟合结果，ρ_i为真实数据，k为对比数据的个数，MSE越小说明拟合结果越好。