一种优化支持向量机参数的短期负荷预测方法及系统技术方案

本发明专利技术公开一种优化支持向量机参数的短期负荷预测方法及系统。该方法包括：获取负荷的预测特征，所述预测特征包括：历史负荷数据以及相应的天气参数数据；对所述历史负荷数据进行预处理，得到预处理后的负荷数据；对所述预处理后的负荷数据采用主成分分析法进行分析，得到分析后的负荷数据；采用引力搜索算法和复合形法对支持向量机的参数进行优化，得到优化后的支持向量机；根据所述分析后的负荷数据和所述优化后的支持向量机，确定预测负荷。采用本发明专利技术的方法或系统能够提高负荷预测的准确率和效率。

A short-term load forecasting method and system for optimizing support vector machine parameters

【技术实现步骤摘要】
一种优化支持向量机参数的短期负荷预测方法及系统
本专利技术涉及电力系统负荷预测领域，特别是涉及一种优化支持向量机参数的短期负荷预测方法及系统。
技术介绍
电力作为一种重要能源，在日常生活以及工作中都起着举足轻重的作用，随着国民经济的快速发展，全社会用电量以及各个产业用电量也稳定增长，因此用电量的使用趋势不但影响着电网经营企业的生产决策及经济效应，还会影响到社会经济的趋势分析，合理地进行电力负荷预测是电力资源进行调度、规划的前提条件。而电力负荷的多种构成决定了它受外界多种影响因素的制约，在繁多的影响因素的共同作用下，负荷将呈现非常奇妙的波动变化。与其它影响因素相比，气象影响因素能够最直观地影响负荷变化，温度的改变会导致用户制冷和取暖负荷的变化，天气状况也会影响用户照明负荷的变化。面对群体越来越庞大，用电越来越灵活的电力用户，高效地对海量用户负荷数据进行聚类分析、相关性分析，挖掘负荷数据潜在价值越来越重要。通过国内外学者的深入广泛的研究，提出了很多种负荷预测的方法。较早提出的一些预测方法多是依靠人们长期积累的经验，存在着较大误差，但是随着对本文档来自技高网...

【技术保护点】
1.一种优化支持向量机参数的短期负荷预测方法，其特征在于，包括：/n获取负荷的预测特征，所述预测特征包括：历史负荷数据以及相应的天气参数数据；/n对所述历史负荷数据进行预处理，得到预处理后的负荷数据；/n对所述预处理后的负荷数据采用主成分分析法进行分析，得到分析后的负荷数据；/n采用引力搜索算法和复合形法对支持向量机的参数进行优化，得到优化后的支持向量机；/n根据所述分析后的负荷数据和所述优化后的支持向量机，确定预测负荷。/n

【技术特征摘要】
1.一种优化支持向量机参数的短期负荷预测方法，其特征在于，包括：
获取负荷的预测特征，所述预测特征包括：历史负荷数据以及相应的天气参数数据；
对所述历史负荷数据进行预处理，得到预处理后的负荷数据；
对所述预处理后的负荷数据采用主成分分析法进行分析，得到分析后的负荷数据；
采用引力搜索算法和复合形法对支持向量机的参数进行优化，得到优化后的支持向量机；
根据所述分析后的负荷数据和所述优化后的支持向量机，确定预测负荷。


2.根据权利要求1所述的优化支持向量机参数的短期负荷预测方法，其特征在于，所述对所述历史负荷数据进行预处理，得到预处理后的负荷数据，具体包括：
对所述历史负荷数据进行数据清洗和数据结构调整处理，得到预处理后的负荷数据。


3.根据权利要求1所述的优化支持向量机参数的短期负荷预测方法，其特征在于，所述对所述预处理后的负荷数据采用主成分分析法进行分析，得到分析后的负荷数据，具体包括：
对所述预处理后的负荷数据采用主成分分析法进行降维处理，得到分析后的负荷数据。


4.根据权利要求1所述的优化支持向量机参数的短期负荷预测方法，其特征在于，所述采用引力搜索算法和复合形法对支持向量机的参数进行优化，得到优化后的支持向量机，具体包括：
步骤1：设置种群大小N，档案大小，最大迭代次数，初始化外部档案，在搜索空间内随机初始化个体位置，将个体的速度初始化为零；
步骤2：从所述外部档案中选取部分非劣解，与种群合并，形成合并种群；
步骤3：对所述合并种群进行快速非支配排序和拥挤距离比较，选择其中最好的N个个体形成新的种群；
步骤4：计算所述新的种群中每个个体的适应值，并根据各所述适应值更新对应个体的惯性质量；
步骤5：计算引力系数函数和每个个体不同方向上的力的总和；
步骤6：根据所述引力系数函数和所述力的总和，更新个体加速度；
步骤7：根据所述个体加速度更新每个个体的速度和位置；
步骤8：计算群体适应度方差和平均粒距；
步骤9：判断是否满足所述适应度方差小于设定方差阈值且满足所述平均粒距小于设定粒距阈值；
若满足，则转到步骤10；若不满足，则转到步骤14；
步骤10：将当前的个体位置作为初始负荷形顶点；
步骤11：采用复合形法进行局部搜索，搜索出适应值更优的反射点，将所述更优的反射点替换掉最差点，形成新的复合形顶点；
步骤12：判断是否满足复合形终止条件；
步骤13：若满足，将最终形成的复合形顶点的位置值作为改进的引力搜索新的个体位置值；若不满足，则返回步骤11。
步骤14：判断是否达到最大迭代次数或者预设精度；
步骤15：若达到，则终止搜索，输出最优解；若不达到，则返回步骤4。


5.根据权利要求4所述的优化支持向量机参数的短期负荷预测方法，其特征在于，所述计算所述新的种群中每个个体的适应值，并根据各所述适应值更新对应个体的惯性质量，具体包括：
采用公式计算所述新的种群中每个个体的适应值fitnessi...

【专利技术属性】
技术研发人员：卢仁军，孙浩泳，张鹏，符瑞，韩文龙，余长乐，汪研，陈天华，
申请(专利权)人：国网江苏省电力有限公司泰州供电分公司，
类型：发明
国别省市：江苏;32