基于支持向量机回归对配电网负荷侧进行电压的预测方法技术

基于支持向量机回归对配电网负荷侧进行电压的预测方法，首先对历史数据进行清洗处理；其次建立支持向量机回归预测模型；由于电力系统实际应用中存在中低压网络拓扑和电气参数不可知的问题，建立有功、无功与节点电压的映射关系，设置相角参数初值后经过修正和引导，通过训练减少数据预测误差，改善负荷预测的合理性和可解释性，并且提高预测准确性。最后基于中国西南某地区实际电力数据，并采用python仿真平台对数据进行训练回归预测仿真；验证了所用方法的有效性；改善负荷预测的合理性和可解释性，并且提高预测准确性。

【技术实现步骤摘要】

本专利技术属于配电网规划与运行领域，特别涉及基于支持向量机回归对配电网负荷侧进行电压的预测方法。

技术介绍

1、传统预测模型有回归分析法、指数平滑法、时间序列法、卡尔曼滤波法等，但是对于如此量级的电力系统数据，影响负荷的电网变量维数大，非线性强，传统负荷方法不能充分利用数据进行分析预测。随着人工智能技术的发展，为解决电力系统调控运行相关问题提供了新的思路。运用偏最小二乘(partial least squares，pls)和贝叶斯(bayesian)方法构建了线性回归模型，用电网节点有功和无功映射节点电压和相位。考虑数据共线性和海量样本的问题，提出利用完全正交分解的最小二乘(least squares，ls)构建线性化潮流回归模型。考虑到线性回归方法不能准确的表达出潮流的非线性特征，基于径向基人工神经网络(radial basis function artificial neural network，rbf-ann)非线性潮流回归方法。分别针对输出电压和相位映射的ann潮流非线性回归模型，应用levenberg-marquardt算法进行网络参数训练。利用本文档来自技高网...

【技术保护点】

1.基于支持向量机回归对配电网负荷侧进行电压的预测方法，其特征在于包括以下步骤：

2.根据权利要求1所述的基于支持向量机回归对配电网负荷侧进行电压的预测方法，其特征在于：步骤1中，对历史数据中的异常值进行预处理时，预处理方法为删除法和修正法；所述的异常值为：在收集电力负荷数据的过程中，由于某些因素导致某些时刻的负荷采样点出现偏离实际值较大的情况，这样的点被称为异常值。

3.根据权利要求1所述的基于支持向量机回归对配电网负荷侧进行电压的预测方法，其特征在于：步骤2中，建立支持向量机回归模型的过程如下：

4.根据权利要求1所述的基于支持向量机回归对配电网负...

【技术特征摘要】

1.基于支持向量机回归对配电网负荷侧进行电压的预测方法，其特征在于包括以下步骤：

2.根据权利要求1所述的基于支持向量机回归对配电网负荷侧进行电压的预测方法，其特征在于：步骤1中，对历史数据中的异常值进行预处理时，预处理方法为删除法和修正法；所述的异常值为：在收集电力负荷数据的过程中，由于某些因素导致某些时刻的负荷采样点出现偏离实际值较大的情况，这样的点被称为异常值。

3.根据权利要求1所述的基于支持向量机回归对配电网负荷侧进行电压的预测方法，其特征在于：步骤2中，建立支持向量机回归模型的过程如下：

4.根据权利要求1所述的基于支持向量机回归对配电网负荷侧进行电压的预测方法，其...

【专利技术属性】
技术研发人员：周云海，郑培城，陈潇潇，张泰源，燕良坤，高怡欣，石基辰，崔黎丽，季怀招，周勇，罗琰琳，林可意，
申请(专利权)人：三峡大学，
类型：发明
国别省市：