[發明專利]基于軟集成學習的電力短期滾動負荷預測方法、系統、終端

在審

• 申請號: 202110099887.4
• 申請日: 2021-01-25
• 公開（公告）號: CN112766585A
• 公開（公告）日: 2021-05-07
• 發明（設計）人: 游文霞;馮晨洋;郭道鵬
• 申請（專利權）人: 三峽大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/06;G06K9/62;G06N20/00
• 代理公司: 北京金智普華知識產權代理有限公司 11401
• 代理人: 楊采良

1.一種基于軟集成學習的電力短期滾動負荷預測方法，其特征在于，所述基于軟集成學習的電力短期滾動負荷預測方法包括：

將在訓練集上訓練好的各學習器在待測樣本的左鄰域上，進行預測偏差率比較；

利用滾動輸入方法，選擇擁有最低偏差率的學習器為待測樣本的預測模型；

通過不斷更新訓練數據對輸出的關聯性，得到預測結果。

2.如權利要求1所述的基于軟集成學習的電力短期滾動負荷預測方法，其特征在于，所述滾動輸入方法包括：

輸入屬性：日最高溫度、日最低溫度、日平均溫度

輸出屬性：日用電量

數據集為時間序列形式，預測任務是已知日最高溫度、日最低溫度、日平均溫度三者屬性值，求取日用電量屬性值；在此基礎上通過將待預測點真實值加入到左鄰域，左鄰域將數據點真實值加入到訓練集中實施滾動預測。

3.如權利要求1所述的基于軟集成學習的電力短期滾動負荷預測方法，其特征在于，所述滾動預測方法包括：

初始訓練集A＝(A₁,A₂,A₃,…,A_n)，初始鄰域B＝(B₁,B₂,B₃,…,B_m),初始待測區間C＝(C₁,C₂,C₃,…,C_p),其中A₁,A₂,A₃,…,A_n；B₁,B₂,B₃,…,B_m；C₁,C₂,C₃,…,C_p的每個元素均為一條數據；A、B均已知所有輸入輸出；C只知其輸入屬性值，其輸出屬性值為所預測值。

4.如權利要求1所述的基于軟集成學習的電力短期滾動負荷預測方法，其特征在于，所述基于軟集成學習的電力短期滾動負荷預測方法具體包括：

(1)初始訓練集A＝(A₁,A₂,A₃,…,A_n)，所述數據集后續將隨著滾動被更新；

(2)將A分別用CART算法、KNN算法、SVR算法進行訓練，得到模型Model(CART)、Model(KNN)、Model(SVR)；

(3)比較訓練得來的Model(CART)、Model(KNN)、Model(SVR)模型，在初始領域B＝(B₁,B₂,B₃,…,B_m)中預測的誤差率：Error(KNN)、Error(SVR)、Error(CART)，選取誤差率最小的訓練模型Model(Min{Error(KNN),Error(SVR),Error(CART)})作為初始待測區間C＝(C₁,C₂,C₃,…,C_p)中C₁的預測模型，得到預測值Pre(C₁)；

(4)摒棄A1點，將B1點加入到A中，將訓練集更新為(A₂,A₃,A₄,…,A_n,B₁)；

(5)將C1點的真實值True(C₁)加入到左鄰域中，將左鄰域更新為(B₂,B₃,B₄,…,B_m,True(C₁))；

(6)重復步驟(3)～步驟(5)直到完成對整個待預測區間C(C₁,C₂,C₃,C₄,…,C_p)的預測，得出區間預測結果(Pre(C₁),Pre(C₂),Pre(C₃),…,Pre(C_p))。