[发明专利]基于支持向量机的电压质量预测方法

权利要求书

1.一种基于支持向量机的电压质量预测方法，其特征在于包括以下步骤：

步骤一，从数据库获取待预测日前三天的环境温度的最高值与最低值、有功负荷的最高值与最低值、无功负荷的最高值与最低值、母线电压水平的最高值与最低值、电压合格率作为训练数据及测试数据；

步骤二，对所述环境温度的最高值与最低值、有功负荷的最高值与最低值、无功负荷的最高值与最低值、母线电压水平的最高值与最低值、电压合格率进行预处理，即根据公式(1)将所述训练数据及测试数据进行归一化使数值范围处在[0,1]；

式中i＝1,2,...,n，表示第i组数据；j＝1,2,...,38，表示第j维数据，I_ij表示经预处理后所述训练数据及测试数据，I′_ij表示所述训练数据及测试数据经归一化后的数值；

步骤三，将预处理后的数据集作为支持向量机的输入，构造输入样本集；

步骤四，采用Gridregression搜索支持向量机容错惩罚系数C、偏离程度系数ε及核宽度系数σ最优参数，确定模型参数；

步骤五，通过步骤二得到归一化的数值后，结合历史数据构成的训练样本(x_i,y_i)，i＝1,2,...,n，表示第i组数据，其中y_i∈{+1，-1}；通过超平面方程w·x_i+b＝0，将所述训练样本分为两类：

其中，w为平行于超平面的n维向量，b为w·x_i；

支持向量机的最优超平面是一个使得分类边缘最大的超平面，即使得最大，所以求解最优超平面，即目标函数为

式中引入非负的松弛变量ξ_i和以度量训练样本的偏离程度系数ε，构造容错惩罚系数C以控制超出误差的样本惩罚程度，式(4)约束条件为

上面的优化函数是个二次规划问题，引入拉格朗日乘子α_i，η_i，得到

求最优解有

根据拉格朗日对偶性原理，上述目标函数等效转换为

上式满足以下条件

采用LIBSVM工具箱中函数train-svm的计算，得到偏差b和拉格朗日系数α，α^*，从而得出如下式的预测模型：

式中x_i为训练数据，i＝1,2,...,n,x为待预测数据，K为核函数，其中，

步骤六，根据历史数据训练好的预测模型式(10)，将预测样本数据输入SVM工具箱中函数predict-svm进行计算，完成对待预测日电压合格率的预测。

2.根据权利要求1所述的基于支持向量机的电压质量预测方法，其特征在于，在理想状态下，使得最大，求解最优超平面的目标函数为

上式应满足约束条件：y_i(w·x_i+b)-1≥0,i＝1,2,...,n。

3.根据权利要求1所述的基于支持向量机的电压质量预测方法，其特征在于，所述数据库包括中国气象网、科东系统、用电信息采集系统。