[發明專利]一種電力負荷特征的預測方法、預測系統及相關裝置

有效

• 申請號: 201810777121.5
• 申請日: 2018-07-16
• 公開（公告）號: CN108921358B
• 公開（公告）日: 2021-10-01
• 發明（設計）人: 王星華;劉升偉;魯迪
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06K9/62
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 羅滿

1.一種電力負荷特征的預測方法，其特征在于，包括：

利用 K-Means 特征提取方法對歷史負荷數據和新負荷數據進行特征選擇并輸出負荷最優特征集；

根據所述負荷最優特征集建立訓練樣本；其中，所述訓練樣本中樣本為輸入變量矩陣和對應目標值；

利用所述訓練樣本建立高斯過程回歸模型；

根據所述高斯過程回歸模型，構建特定置信水平下的負荷概率區間預測模型；

輸入所述負荷最優特征集中的數據，利用所述負荷概率區間預測模型輸出預測結果；

其中，利用 K-Means 特征提取方法對歷史負荷數據和新負荷數據進行特征選擇并輸出負荷最優特征集，包括：

利用 K-Means 特征提取方法對歷史負荷數據構造候選特征集；

對所述候選特征集進行特征聚類，形成第一候選特征集；

在所述第一候選特征集中加入新負荷數據，形成第二候選特征集；

對所述第二候選特征集進行在線特征分類和特征選擇，輸出負荷最優特征集；

利用所述負荷概率區間預測模型輸出預測結果，還包括：

利用基于遺忘因子的遞歸最小二乘法更新所述負荷概率區間預測模型的模型參數。

2.根據權利要求 1 所述的預測方法，其特征在于，還包括：

每當在所述第一候選特征集中加入所述新負荷數據時，更新所述負荷最優特征集。

3.根據權利要求 1 所述的預測方法，其特征在于，根據所述負荷最優特征集建立訓練樣本之后，還包括：

利用滑動時間窗技術更新所述訓練樣本，并在更新時保證所述訓練樣本的樣本數保持不變。

4.根據權利要求 1 所述的預測方法，其特征在于，根據所述高斯過程回歸模型，構建特定置信水平下的負荷概率區間預測模型，包括：

根據所述高斯過程回歸模型，建立輸入矩陣和輸出矩陣之間的關系表達式；

根據所述關系表達式建立符合聯合高斯分布的有限集合；

確定所述有限集合中的核矩陣，確定所述目標值的分布函數；

確定所述分布函數的邊緣分布，根據所述邊緣分布確定超參數集，并得到所述高斯過程回歸模型的對數似然函數；

計算輸入樣本和輸入變量矩陣的聯合分布；

根據所述聯合分布建立所述輸入樣本的預測模型；

根據預設的置信水平和所述預測模型構建特定置信水平下的負荷概率區間預測模型。

5.根據權利要求 1-4 任一項所述的預測方法，其特征在于，還包括：

從預測間隙覆蓋率、預測區間規則化平均寬度、綜合指標、平均絕對百分比誤差中選取一種或任幾種對所述負荷概率區間預測模型進行性能評估。

6.一種電力負荷特征的預測系統能實現權利要求 1 中所述一種電力負荷特征的預測方法，其特征在于，包括：

數據選擇模塊，用于利用 K-Means 特征提取方法對歷史負荷數據和新負荷數據進行特征選擇并輸出負荷最優特征集；

樣本建立模塊，用于根據所述負荷最優特征集建立訓練樣本；其中，所述訓練樣本中樣本為輸入變量矩陣和對應目標值；

高斯模型建立模塊，用于利用所述訓練樣本建立高斯過程回歸模型；預測模型建立模塊，用于根據所述高斯過程回歸模型，構建特定置信水平下的負荷概率區間預測模型；

預測模塊，用于輸入所述負荷最優特征集中的數據，利用所述負荷概率區間預測模型輸出預測結果。

7.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求 1-5 任一項所述的預測方法的步驟。

8.一種電力負荷特征預測終端，其特征在于，包括存儲器和處理器，所述存儲器中存有計算機程序，所述處理器調用所述存儲器中的計算機程序時實現如權利要求 1-5 任一項所述的預測方法的步驟。