[发明专利]基于支持向量机的电压质量预测方法

摘要

本发明提供了一种基于支持向量机的电压质量预测方法，包括六个步骤：其中，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，对步骤一中采集数据进行预处理，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]，步骤三至六利用上述数据设置支持向量机预测模型预测电压质量。应用本技术方案提供的电压质量预测方法步骤简单，便于计算，易于实现。

主权项

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，Iij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(xi,yi)，i＝1,2,...,n，表示第i组数据，其中yi∈{+1，‑1}；通过超平面方程w·xi+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·xi；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xi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。