[发明专利]基于聚类分析与支持向量机的工商业负荷预测方法和装置

说明书

本申请涉及电力系统技术领域，提供一种基于聚类分析与支持向量机的工商业负荷预测方法和装置。本申请对工商业负荷的分析以及聚类算法在负荷预测中的应用，运用模糊C均值聚类算法和支持向量机对工商业负荷进行预测，有效的提高了工商业负荷预测的精度，进而有效的保障电力系统的稳定、安全运行。

技术领域

本发明涉及电力系统技术领域，具体涉及一种基于聚类分析与支持向量机的工商业负荷预测方法和装置。

背景技术

在电力系统日益发展的今天，随着新能源发电的大规模并网，电网出现较大的波动，对电力系统的负荷预测工作产生了极大的挑战；同时，由于工商业负荷与一般的居民用电负荷不同，含有大量非线性、冲击性负荷，对电网造成的冲击也较大。因此，如何提高预测工商业负荷的准确性，对电网的稳定运行有着非常重要的作用。

发明内容

本申请实施例提供了一种基于聚类分析与支持向量机的工商业负荷预测方法和装置，可以解决相关技术中工商业负荷预测精度低的问题。所述技术方案如下：

第一方面，本申请实施例提供一种基于聚类分析与支持向量机的工商业负荷预测方法，其特征在于，包括以下步骤：

步骤一、获取n个历史负荷数据；其中，n为大于1的整数；

步骤二、对所述n个历史负荷数据通过数据预处理、模糊C均值聚类和支持向量机模型处理得到负荷预测结果；

步骤三、对所述负荷预测结果进行误差分析，以验证负荷预测方法的有效性和准确性。

在一种可能的设计中，步骤二的模糊C均值聚类方法是一种局部搜索模糊聚类算法，通过隶属度来确定每个历史负荷数据与聚类之间的隶属程度；聚类个的数是预先设置的，聚类中心是随机选择的。

在一种可能的设计中，所述模糊C均值聚类具体步骤包括：

步骤1，设X表示所述n个历史负荷数据，X_n表示第n个历史负荷数据，每个历史符合数据的特征指标数为p，待聚类的所述n个历史负荷数据的矩阵表示如下：

步骤2，聚类后将所述n个历史负荷数据分为c(2≤c≤n)个模糊类，每个模糊类的聚类中心的计算公式如下所示：

聚类后，所述c个模糊类的聚类中心矩阵V表示如下：

V＝{v₁,v₂,Λv_c}；

其中，v_i表示第i个模糊类的聚类中心，v_i＝(v_i1,v_i2,Λv_ip)，i＝1,2,Λ,c；

步骤3，计算隶属度矩阵及目标函数值如下：

其中，

式(1)、(3)、(4)中，M、O、,Λv分别表示省略号，

步骤4，迭代误差判断，若则迭代结束，否则将l自增1，返回步骤2继续迭代；

步骤5，得到隶属度矩阵U，将历史数据归入隶属度最大的模糊类中。

在一种可能的设计中，步骤二中的支持向量机模型是一种监督式的机器学习方法，所述支持向量机模型用于使用非线性映射，把低维的输入数据映射到高维特征空间，并在高维特征空间中进行线性回归，然后引入损失函数来解决回归问题。

在一种可能的设计中，使用如下的目标函数和约束等式来训练支持向量机模型：