针对传统预测模型准确度低、泛化性差的问题,提出基于支持向量机的配电网全域大数据自动化预测模型。在配电网正常运行的情况下,采集全域实时运行数据,并调取该配电网的历史数据。利用聚类划分的方式处理数据采样结果,通过支持向量机的回归处理,分析出配电网全域大数据的特征,从而推断出大数据的变化规律。以数据的特征分析结果为基础,分别得出配地啊暗网全域线损数据、负荷数据以及电能数据的预测结果。经过模型效果测试实验的设计与分析得出实验结论:与传统预测模型相比,设计的配电网全域大数据自动化预测模型的预测误差降低了0.45,具有更高的应用价值。
