[发明专利]一种配变负荷预测方法

权利要求书

1.一种配变负荷预测方法，其特征在于，所述方法，包括：

采用模糊C均值算法对配变的历史负荷曲线进行聚类，获得历史相似日集合；

统计聚类的外部特征组数量；

根据待预测日所属相似日归类，选取并构建训练样本集；

将训练集输入SVM模型训练参数，求出该配变预测日的各小波子序列；

将小波子序列预测结果叠加得到该配变预测日负荷的预测值。

2.根据权利要求1所述的方法，其特征在于，所述采用模糊C均值算法对该配变的历史负荷曲线进行聚类，包括：

2.1假定含有n条负荷曲线对象的数据集为X＝{x₁，x₂，...，x_n}，X中的对象x_i(i＝1，2，...n)具有m个特征属性，定义数据集X的隶属度矩阵为U＝[u_ij]，其维度为c×n，c代表聚类数目，u_ij表示数据集X的第j个对象x_j(j＝1，2，…c)，隶属度u_ij越高，该对象越倾向归属于此类，u_ij满足：

1)对于任意对象j(j＝1，2，…c)，有：

2)0≤u_ij≤1，1≤i≤c，1≤j≤n；

2.2从数据集X＝{x₁，x₂，......，x_n}中随机选择k个对象作为k个聚类簇的初始聚类中心并记为c₁，c₂，......，c_k，数据集X的k个聚类簇为C₁，C₂，...，C_k

2.3以初始聚类中心c₁，c₂，...，c_k为划分参考，对数据集X进行初始划分，计算各对象隶属度u_ij，形成隶属度矩阵U，计算公式如下：

其中，m∈[1，∞)，表示模糊指数。表示对象x_j到某一聚类中心c_i(i＝1，2，…c)的距离；

2.4计算新的聚类中心c_i′，根据各对象的隶属度重新聚类，计算公式如下：

2.5计算非相似性指标的价值函数J的函数值并与设置的阈值ε相比较，若满足J＜ε，则算法终止，记此时的c_i′为最终聚类中心，否则重复2.3、2.4直至满足条件，计算公式如下：

对日期类型、日平均温度、天气状况、季节类型进行设置标签。

3.根据权利要求1所述的方法，其特征在于，所述统计聚类的外部特征组数量，包括：

统计每个聚类中由日期类型、日平均温度、天气状况、季节类型组成的外部特征组数量；

对单个外部特征组进行归类，包括：对比该外部特征组在每个聚类中的数量，选取所属数量最大的聚类作为该外部特征组的最终归类。