[发明专利]一种基于单类支持向量机的电力负荷分析、预测方法

说明书

技术领域

本发明涉及一种基于单类支持向量机的电力负荷分析、预测方法。

背景技术

随着经济的发展，用电量逐年攀升，电力市场的多元化与复杂化，对电力市场的决策理论、管理手段和技术支持提出了更高的要求，但目前的工作中仍存在诸多不合理、不尽如人意的问题，如数据库的灵活运用，只能对用电数据的事后分析，不能事前准确预测、事中精确控制，只能定性的粗犷的分析；由于对用户数据的事后分析，只能从宏观层面上把握整体的用电规律变化，不能做到从因果分析到时空关联，从不同维度、不同角度对需求特性精准的分析，这种较强的滞后性、不精确性会对用电规律的把握失准等等。究其原因，缺乏对电力市场的需求特性、各种立体化指标、效益指标等等做精益化的分析与研究。

新型能源的崛起以及分布式发电技术的日趋成熟，打破了固有的源网荷属性，源荷界限的模糊化加剧了负荷预测的难度。基于山东电网营销业务管理机制和955598客户中心现有的基础与实际需求，目前只能做到对用户数据的事后分析，只能粗犷的从宏观层面上把握整体的负荷规律变化，不能具体到对某行业、某客户的负荷特性的分析，也不能对负荷特性变化引起的原因具体分析。

发明内容

本发明为了解决上述问题，提出了一种基于单类支持向量机的电力负荷分析、预测方法，该方法对传统SVM的扩展和延伸，是将统计学习理论引入到无监督学习，能够有效解决现有负荷规律无法掌握的问题。

为了实现上述目的，本发明采用如下技术方案：

一种基于单类支持向量机的电力负荷分析、预测方法，包括以下步骤：

(1)获取电力负荷历史监测数据，构建训练样本集合；

(2)利用单类支持向量机理论，在训练样本中进行典型日的选取；

(3)利用典型日负荷曲线表示用户的随机变量之间线性关系的强度和方向；

(4)将用户负荷的时间序列作为离散采样点，对其进行傅里叶变换，进行频谱分析；

(5)结合用户的实际需求，构建负荷特性指标。

所述步骤(1)中，具体方法为：将数据库中的数据导入文本文档，然后读取文本文档中的96点数据保存成矩阵的形式，分别给出行号及其对应的用户编号，并将缺失的量测量补0，将96点数据转化为24点数据。

所述步骤(2)中，对样本集聚类，并通过调节参数改变模型的结构风险，从而在经验风险和置信风险中间进行折衷，将每一天的量测数据作为一个样本，则样本就是24维空间中的一点，使用一个超球面使得覆盖住所有样本点，则超球的圆心也就是量测数据的中心，也就是典型日数据所在的地方。

所述步骤(2)中，具体方法为：运用分支算法单类支持向量机进行典型日的选取，用超球面代替超平面来划分数据，目标函数的初始问题为：

minR,ξ,cR2+1νlΣi=1lξi]]>

                               (1)

s.t.  ||x_i-c||²≤R²+ξ_i

ξ_i≥0,i＝1,2,…,l