[发明专利]一种客户端电力负荷监控系统

权利要求书

1.一种客户端电力负荷监控系统，应用于服务器，其特征在于，包括：预测模型、数据处理模块、支持向量机模型；

所述数据处理模块用于接收并处理预设信息，并将处理的到的结果数据发送至所述支持向量机模型；用于实现支持向量机模型的训练；

所述预测模型用于根据输入的多组预测样本数据，并按照预定方法处理所述样本数据，进而完成预测模型的构建；构建完成的预测模型具有预定参数；

将所述预定参数输入至训练完成的支持向量机模型中，得到短期负荷预测值。

2.根据权利要求1所述的客户端电力负荷监控系统，其特征在于，所述预设信息包括：历史负荷信息、负荷监测信息、电流设定信息中的至少两种。

3.根据权利要求1所述的客户端电力负荷监控系统，其特征在于，所述数据处理模块用于接收并处理预设信息，所述数据处理模块用于将所述预设信息进行归一化，数据处理模块的处理方法为：

式中，x,x'∈Rⁿ，x^min＝min(x)，x^max＝max(x)，将所述预设信息规整至[-1,1]的范围内，即x'_i∈[0,1]，i＝1,2.....n。

4.根据权利要求1所述的客户端电力负荷监控系统，其特征在于，所述支持向量机模型包括线性回归子模型、非线性回归子模型；

所述线性回归子模型的计算方法为：

设预设样集(x_i，y_i),i＝1,2,...l；x_i∈Rⁿ，x_i为n维输入向量，y_i为∈R为输出向量；优化结果为：

约束为：|wx+b-y_i|≤ε，i＝1，2，.....，L

式中，w为权值向量，w∈Rⁿ；b为截距，b∈R；

选择损失函数为ε-不敏感损失函数：

c(x,y,f(x))＝|y-f(x)|_ε

式中，|y-f(x)|_ε＝max{0，|y-f(x)-ε|}，ε＞0；

引入Lagrange函数：

式中，||w||²为函数f的复杂度；

利用Kuhn-tucker条件，函数L的极值条件为：

得到优化对偶公式为：

约束条件为

通过求解该对偶函数，得到线性回归函数：

式中，求解b得到：

b＝y_i-w·x_i-ε,a_i∈[0,c)；

b＝y_i-w·x_i+ε,

当所述预设信息无法利用所述线性回归子模型实现回归时，采用所述非线性回归子模型处理所述预设数据；

所述非线性回归子模型的计算方法为：

定义高纬特征空间上的内积运算函数为：K(x_i,y_i)＝Φ(x_i)·Φ(y_i)

高纬空间上的内积计算公式为：

约束条件为：

回归决策函数为：

5.根据权利要求1所述的客户端电力负荷监控系统，其特征在于，所述预测模型的计算逻辑为：

接收预测样本数据，并按照预定方法处理所述预测样本数据；其中，所述预定方法为：

将所述预测样本数据作为预测模型的输入向量：

其中为前一日24小时负荷，{T_high,j,T_low,j,SC_j}_d为2日的电力预测中的最高、最低温度以及电力数据，为第2日的短期电力设定参数；

所述预测模型的输出向量为：

其中，为第2日24小时负荷。

6.根据权利要求1所述的客户端电力负荷监控系统，其特征在于，所述参数优化模块为利用粒子群算法对所述预定参数进行优化；其中所述预定参数为支持向量机的参数C与gamma。