[发明专利]一种基于支持向量机的负荷建模方法在审
| 申请号： | 201910090786.3 | 申请日： | 2019-01-30 |
| 公开（公告）号： | CN109816555A | 公开（公告）日： | 2019-05-28 |
| 发明（设计）人： | 和鹏;周鑫;何廷一;郭晓宇;孟贤 | 申请（专利权）人： | 云南电网有限责任公司电力科学研究院 |
| 主分类号： | G06Q50/06 | 分类号： | G06Q50/06;G06N3/00;G06K9/62 |
| 代理公司： | 北京弘权知识产权代理事务所(普通合伙) 11363 | 代理人： | 逯长明;许伟群 |
| 地址： | 650217 云南省昆*** | 国省代码： | 云南;53 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请公开了一种基于支持向量机的负荷建模方法，包括以下步骤：根据三阶感应电动机模型和静态负荷模型，构建动态综合负荷模型；获取PMU数据，对PMU数据进行数据检测和平滑处理，得到待使用数据；通过粒子群算法，对支持向量机中的参数进行优化，得到优化后的支持向量机参数；通过所述动态综合负荷模型和所述待使用数据，构建训练数据组；通过优化后的支持向量机参数和训练数据组，根据拉格朗日优化方法，得到优化负荷模型。本申请提供的基于支持向量机的负荷建模方法中支持向量机能够较好的解决传统学习算法中存在的小样本、非线性、高维数、局部极小点等问题，具有很强的泛化能力，能够保证负荷模型和参数的准确性，精确仿真负荷动态行为。 | ||
| 搜索关键词： | 支持向量机 负荷建模 优化 综合负荷模型 训练数据组 负荷模型 使用数据 构建 感应电动机模型 粒子群算法 传统学习 负荷动态 精确仿真 静态负荷 数据检测 极小点 小样本 三阶 算法 维数 申请 保证 | ||
【主权项】：
1.一种基于支持向量机的负荷建模方法，其特征在于，所述基于支持向量机的负荷建模方法包括以下步骤：步骤S1：根据三阶感应电动机模型和静态负荷模型，构建动态综合负荷模型；步骤S2：获取PMU数据，所述PMU数据包括有功功率、无功功率、电压和频率，对PMU数据进行数据检测和平滑处理，得到待使用数据；步骤S3：通过粒子群算法，对支持向量机中的参数进行优化，得到优化后的支持向量机参数；步骤S4：通过所述动态综合负荷模型和所述待使用数据，构建训练数据组；步骤S5：通过优化后的支持向量机参数和训练数据组，根据拉格朗日优化方法，得到优化负荷模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于云南电网有限责任公司电力科学研究院，未经云南电网有限责任公司电力科学研究院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910090786.3/，转载请声明来源钻瓜专利网。
