基于改进SVM与NSGA-Ⅲ的台区相序在线优化方法

针对基于历史负荷建模的台区相序调整不足及调相后供电状态时长不能保证的问题,从数据驱动角度提出了基于改进支持向量机(SVM)超短期负荷预测的台区相序在线优化方法.首先,采用变分模态分解将预测对象的历史负荷分解成多个子序列,对每个子序列采用改进的SVM进行预测,预测模型中引入自适应权重机制改进最小二乘SVM的性能,以过滤数据噪声对结果的影响,提高预测准确度;然后,对智能换相开关负荷支路建立最小三相不平衡度、最少换相次数、最长相序维续时间的多目标优化模型,从第3代非支配排序遗传算法(NSGA-Ⅲ)求解的Pareto最优解集中选取一组满意解作为决策者的相序自动调整方案;最后,以中国广东电网某台区为例进行分析,并与其他方法对比验证了所提方法的有效性.