[发明专利]基于支持向量机的负荷集群控制方法和系统

说明书

本发明提供了基于支持向量机的负荷集群控制方法和系统，包括：采集用户用电数据，并对用户用电数据进行预处理得到负荷数据样本；根据负荷数据样本建立训练数据集和测试数据集；利用训练数据集和测试数据集构建支持向量机分类器，并对支持向量机进行完善得到完善后的支持向量机分类器；向完善后的支持向量机分类器中输入实时负荷数据，并输出实时负荷数据的分类结果。本发明采用支持向量机算法对电力系统中的用户负荷进行分类，在此分类基础上进行负荷的集群集控，使负荷分类具有科学的理论支持和技术支撑，保障划分到同一类的负荷具有较高的一致性。

技术领域

本发明涉及负荷分类控制与分析技术领域，尤其是涉及基于支持向量机的负荷集群控制方法和系统。

背景技术

当前，负荷控制系统的可控负荷接入一般采用接近原则，对负荷接入层级、负荷接入量等未做深入研究，负荷集群控制在不影响电网特性的基础上，保持电网频率、电压稳定，对电网频率稳定控制意义重大。负荷控制不仅仅强调控制时间要求，更重要的是能够是实现不影响生产活动特性的负荷得到有效集群控制；其中，负荷分类管理可以使负荷集群控制更加合理有效，因此，负荷分类在负荷集群控制中具有重要意义。而且，负荷分类对电力系统运行的经济性分析、管理和规划都具有重要意义，尤其是随着电力市场的不断发展以及电力需求响应技术的广泛应用，负荷识别逐步成为电价制定、负荷预测、系统规划与负荷管理、综合建模等重要依据。

目前，负荷分类方法尚未统一，电力部门往往根据用户的生产活动特性进行负荷分类，然而用户的生产活动特性复杂不一，在负荷分类过程中存在一定程度的主观性，负荷分类结果并不十分准确，这将直接影响负荷控制管理及电网频率的动态特性分析。目前采用的负荷分类方法存在缺陷：如同一行业内的用户可能具有不同的负荷特性，不能充分反映电网频率变化与差异，导致分类结果不准确，并影响了在此基础上的进一步应用等。因此，为解决上述问题，迫切需要深入研究一种科学严谨的负荷识别方法，使负荷识别及在此基础上的应用具有科学的理论支持和技术支撑，能够为电力部门在进行电价制定、负荷预测、系统规划与管理等工作时提供可靠的依据。

负荷分类是负荷集群控制的基础，关于分类常使用的方法为聚类分析法，其中聚类分析是将包括对象、数据或特征向量在内的模式以非监督的方式划分到不同簇类的过程，使具有相似属性的事物聚为一类，得到同一类的事物具有高度的相似性，即按照亲疏程度进行分类。目前，关于电网负荷分类研究大多数采用灰色关联聚类分类法，该分析方法能准确捕捉到负荷的共同本职特征，也可在典型用户负荷筛选中应用，同时也可应用于量测的负荷动特性分类与综合，但该分析方法计算量较大；另一种运用较多的分类方法是模糊聚类算法，该算法能够识别特殊样本，同时可以将最大最小距离作为相似性度量指标进从而进行聚类分析等。上述的聚类算法基本上都是针对线性可分的数据空间，因此并不适合处理那些线性不可分的数据，它们很难得到合适的聚类轮廓和期望的簇数量，并且聚类的效果也不够稳定。

综上所述，现有技术的客观缺点在于缺少负荷分类及负荷集群方法。

发明内容

有鉴于此，本发明的目的在于提供基于支持向量机的负荷集群控制方法和系统，采用支持向量机算法对电力系统中的用户负荷进行分类，在此分类基础上进行负荷的集群集控，使负荷分类具有科学的理论支持和技术支撑，保障划分到同一类的负荷具有较高的一致性。

第一方面，本发明实施例提供了基于支持向量机的负荷集群控制方法，包括：

采集用户用电数据，并对所述用户用电数据进行预处理得到负荷数据样本；

根据所述负荷数据样本建立训练数据集和测试数据集；

利用所述训练数据集和所述测试数据集构建支持向量机分类器，并对所述支持向量机进行完善得到完善后的支持向量机分类器；

向所述完善后的支持向量机分类器中输入实时负荷数据，并输出所述实时负荷数据的分类结果。