专利名称：一种支持向量机短期负荷预测方法
技术领域：
本发明涉及ー种负荷预测方法，尤其涉及ー种支持向量机短期负荷预测方法，属于电カ预测领域。
背景技术：
电カ负荷预测是电カ系统领域的ー个重要的研究问题，它是指从已知的电カ系统、经济、社会、气象等情况出发，通过对历史数据的分析和研究，探索电カ负荷之间的内在联系和发展变化规律，对负荷发展变化做出预先估计和推測.科学的预测是正确决策的依据和保证.电カ负荷预测是电カ调度中ー项非常重要的内容，是电カ管理系统的重要组成部分，是电网能够安全、经济运行的前提.电カ
权利要求
1.ー种支持向量机短期负荷预测方法，具体包括如下步骤 步骤I:选取预测日之前的负荷数据及天气数据，采用基于K均值PSO聚类算法建立支持向量机模型； 步骤2:输入新样本进行预测。
2.根据权利要求I所述的负荷预测方法，其特征在于，所述步骤I具体包括以下步骤 步骤I. I :选取预测日之前3至5个月的负荷数据及天气数据，将所述负荷数据及天气数据作为训练样本，将训练样本进行归ー化； 步骤I. 2 :采用基于K均值PSO聚类算法将归ー化后的训练样本聚类； 步骤I. 3 :获取C个支持向量机模型，其中C为最佳聚类数。
3.根据权利要求I所述的负荷预测方法，其特征在于，所述步骤2具体包括以下步骤 步骤2. I :输入新样本，将新样本进行归一化，是数据处于
之间； 步骤2. 2 :根据步骤I的K个聚类结果对新输入的样本进行辨识，确定其所属类别；步骤2. 3 :根据步骤2. 2的辨识結果，将新样本输入对应的支持向量机模型，输出预测值，完成预测。
4.根据权利要求I所述的负荷预测方法，其特征在干，步骤I.2和步骤2. I中所述归ー化采用以下公式
全文摘要
本发明涉及一种支持向量机短期负荷预测方法，具体包括如下步骤步骤1选取预测日之前的负荷数据及天气数据，采用基于K均值PSO聚类算法建立支持向量机模型；步骤2输入新样本进行预测。本发明一方面因为历史数据样本分类后的样本特征更加明显，从而对特定的模式，利用较少的样本学习到负荷的变化规律，增强了支持向量机的泛化能力。另一方面算法采用PSO-K均值聚类方法对历史样本进行聚类，有较好的全局收敛性；最后，对每个类分别建立支持向量机模型，提高了支持向量机的计算效率；该方法在大规模数据分析时，可在保持预测精度的前提下，提高预测效率。可实现对负荷数据的高精度、实时、快速预测。
文档编号G06F19/00GK102682219SQ20121015383
公开日2012年9月19日 申请日期2012年5月17日 优先权日2012年5月17日
发明者刘晓华, 高荣 申请人:鲁东大学