[发明专利]一种基于PSO优化的LS-SVM智能台区负荷预测方法及系统

说明书

本发明公开了一种基于PSO优化的LS‑SVM智能台区负荷预测方法及系统，其方法，包括：基于LS‑SVM的负荷预测，建立多元用户组合用电预测的模型；采用PSO算法优化的LS‑SVM用户用电预测算法；基于边缘计算的核函数自动更新。本发明有效弥补了现有基于SVM的负荷预测方法核函数唯一，无法适应不同区域、不同环境的用户负荷预测，且现有方法核函数一旦设置则无法更替的缺点，可有效应对未来电网改造以及环境变化对负荷预测结果带来的影响。

技术领域

本发明涉及负荷预测领域，具体涉及了一种基于PSO优化的LS-SVM智能台区负荷预测方法及系统。

背景技术

近年来，随着低压台区中智能电表的普及，用户用电数据可以更准确、更方便地采集和保存，为负荷预测提供了重要的数据基础，被广泛应用。现有基于SVM的负荷预测方法核函数唯一，无法适应不同区域、不同环境的用户负荷预测，且现有方法核函数一旦设置则无法更替，无法有效应对未来电网改造以及环境变化对负荷预测结果带来的影响。

发明内容

本发明的目的在于克服现有技术的不足，本发明提供了一种基于PSO优化的LS-SVM智能台区负荷预测方法及系统，通过智能台区布置的智能网关可不断滚动更新历史负荷数据，并据此修正预测模型核函数，采用PSO算法优化的LS-SVM用户用电预测算法，适应不同区域、不同环境的用户负荷预测。

为了解决上述技术问题，本发明实施例提供了一种基于PSO优化的LS-SVM智能台区负荷预测方法，其方法，包括：

基于LS-SVM的负荷预测，建立多元用户组合用电预测的模型；

采用PSO算法优化的LS-SVM用户用电预测算法；

基于边缘计算的核函数自动更新。

所述建立多元用户组合用电预测的模型，包括:

根据最小二乘支持向量机算法，选用合适的核函数，构造LS-SVM模型；

对原始样本数据进行预处理；

利用建立的模型，对预处理后的样本数据进行处理，并对预测效果进行评价。

所述采用PSO算法优化的LS-SVM用户用电预测算法，包括：

历史负荷数据异常数据的辨识与处理；

将处理过的数据归一化，形成训练样本矩阵；

根据PSO算法流程进行参γ和σ优化选择；

将优化的参数赋给LS-SVM预测模型，求得所需的回归方程；

利用上一步所求的回归方程，对负荷进行预测。

所述基于边缘计算的核函数自动更新，包括：

定期滚动更新历史负荷数据和气象数据；

全域物联网根据历史数据自主开展数据分析，自适应选择核函数；

智能网关按照新的核函数，更新内置的负荷预测算法，应用边缘计算技术在下一个滚动更新周期内采用新的负荷预测方法进行负荷预测；

智能网关定期将负荷预测的结果数据反馈给全域物联网，全域物联网智能分析预测结果，根据误差分析不断调整核函数选择模块的策略和关键参数，实现智能台区负荷预测精度自主提升，加强智能台区负荷预测算法对环境变化的适应性。

所述最小二乘支持向量机算法，包括：

利用非线性映射φ(·)将样本从原空间Rⁿ映射到特征空间φ(x_i)，在高维特征空间中构造最优决策函数：