[發(fā)明專利]基于PCA和分位數(shù)回歸森林的短期負荷概率密度預測方法

有效

• 申請?zhí)枺?/td>: 201710854109.5
• 申請日: 2017-09-20
• 公開（公告）號: CN108022001B
• 公開（公告）日: 2021-10-19
• 發(fā)明（設計）人: 孫國強;梁智;衛(wèi)志農(nóng);臧海祥
• 申請（專利權(quán)）人: 河海大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

1.一種基于PCA和分位數(shù)回歸森林的短期負荷概率密度預測方法，其特征在于：包括以下步驟：

(1)收集電力系統(tǒng)短期負荷預測所需的基本數(shù)據(jù)，如負荷歷史數(shù)據(jù)，溫度、濕度等氣象信息，日期類型等；

(2)從所有影響因素中選取相關性較強的輸入變量，并構(gòu)造合適的訓練樣本集；

(3)采用主成分分析對步驟(2)得到的輸入變量集合進行降維處理；

(4)對降維處理后的數(shù)據(jù)建立分位數(shù)回歸森林預測模型，獲得任意分位點條件下的回歸預測結(jié)果；

(5)通過核密度估計獲得短期負荷概率密度預測；

所述步驟(3)采用主成分分析對輸入變量集合進行降維處理，所述主成分分析具體計算過程為：

3.1對n×p維原始數(shù)據(jù)進行標準化處理；n為構(gòu)造的原始數(shù)據(jù)中樣本的數(shù)量，p為輸入變量維數(shù)；

用X₁,X₂,…,X_p表示X的各列向量，則原始數(shù)據(jù)經(jīng)標準化后形成的矩陣元素為：

式中：x_ij為原始數(shù)據(jù)第i個樣本第j維元素取值，i＝1,2,…,n，j＝1,2,…,p；E(X_j)、Var(X_j)分別為第j列元素均值和方差，即

3.2計算樣本各維間相關系數(shù)矩陣R＝(r_ij)_p×p，其元素計算方法為式中：為標準化后的矩陣第i列和第j列間協(xié)方差；

3.3計算特征值與特征向量，解特征方程|λI-R|＝0并求出特征值λ_j，j＝1,2,…,p，按降序進行排列，即λ₁≥λ₂≥…≥λ_p≥0，對每一特征值λ_j，求得其特征向量為e_j，j＝1,2,…,p；

3.4計算主成分貢獻率及累計貢獻率， 主成分z_j貢獻率為累計貢獻率為一般取累計貢獻率達到85％-95％的特征值λ₁,λ₂,…λ_m為第一、第二、…、第m個主成分，m≤p。

2.如權(quán)利要求1所述的一種基于PCA和分位數(shù)回歸森林的短期負荷概率密度預測方法，其特征在于：步驟(2)從影響因素中選取相關性較強的輸入變量，并構(gòu)造合適的訓練樣本集，所選取的輸入變量集合為：預測日前一日負荷、預測日前兩日負荷、預測日前三日負荷、預測日前七日負荷、預測日前八日負荷、預測日前十四日負荷、去年同期同時刻負荷；溫度數(shù)據(jù)包括：預測日溫度、預測日前一日溫度、預測日前兩日溫度、預測日前三日溫度、預測日前七日溫度、預測日前八日溫度、預測日前十四日溫度、去年同期同時刻溫度；濕度數(shù)據(jù)包括：預測日濕度、預測日前一日濕度、預測日前兩日濕度、預測日前三日濕度、預測日前七日濕度、預測日前八日濕度、預測日前十四日濕度、去年同期同時刻濕度；候選輸入變量同時包括預測日日期類型。