[發明專利]基于綜合互信息度的主成分分析的空間負荷預測方法

在審

• 申請號: 202110474605.4
• 申請日: 2021-04-29
• 公開（公告）號: CN113112090A
• 公開（公告）日: 2021-07-13
• 發明（設計）人: 蔡文斌;王鵬;王淵;程曉磊;呂海霞;金翠;孫舒熳;趙嘉冬;李曄;宋凱洋;特古斯;南家楠;孫瑩;閆肖蒙;李琦;楊帥;石磊;徐日娥;董國靜;白偉;劉向龍;沈洲
• 申請（專利權）人: 內蒙古電力（集團）有限責任公司內蒙古電力經濟技術研究院分公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06K9/62
• 代理公司: 成都熠邦鼎立專利代理有限公司 51263
• 代理人: 李曉英

本發明涉及基于綜合互信息度的主成分分析的空間負荷預測方法，包括以下步驟：S1，利用MIS?PCA算法對從地理信息系統獲取的空間信息數據進行篩選和降維；S2，以經MIS?PCA算法處理過的信息為基礎，建立基于空間數據挖掘技術的用地類型預測模型；S3，利用用地分類結果對空間負荷進行預測。本發明提出一種改進的綜合互信息度主成分分析方法（MIS?PCA），可有效提高降維后數據分類準確率與所選特征子集的有效性，同時能夠得到更少的主成分維度,降低了特征維數,以便減少后端分類或識別的計算量；本發明將MIS?PCA算法引入用地規則挖掘的過程中，通過對可能影響元胞用地類型決策的眾多相關屬性進行約簡，簡化用地決策過程，提高空間負荷預測效率。

技術領域

本發明涉及電力系統規劃技術領域，尤其涉及基于綜合互信息度的主成分分析的空間負荷預測方法。

背景技術

空間負荷預測(SLF)是指對供電區域內未來電力負荷的大小和位置的預測，作為電力系統退化的基礎性工作之一，可以根據SLF的結果來確定供電設備應當配置的容量及其最佳位置，可提高電力系統建設的經濟性、高效性、可靠性。

空間負荷預測方法中，用地仿真法通過分析土地利用的特性及發展規律，來預測土地的使用類型、地理分布和面積構成，結合智能算法獲取土地負荷類型的轉換規則，再結合整個預測區域的總量負荷預測結果與分類負荷密度預測結果即可完成預測工作，其核心在于挖掘土地負荷類型的轉換規則。用地仿真法的優點在于其可以充分利用系統負荷預測結果，并在此基礎上精細預測未來配電網負荷的空間分布。然而，目前在挖掘轉換規則時通常會遇到以下難題：

1、空間數據種類繁多，選擇何種數據用于建模能符合實際情況。

2、空間數據量較大，并且數據間可能存在一定重復信息，如何在減少數據量的同時保留關鍵信息。

3、轉換規則即土地負荷預測模型，在建模過程中如何避免部分數據對結果的過度影響。

針對1、2問題，主成分分析法(PCA)是當前被廣泛應用的特征選擇方法，能夠有效地摒除原始數據中的冗余信息，提取出方差貢獻率大的主成分因子。但傳統主成分分析法中的核心——相關性計算，僅能反映特征之間的線性關系，無法度量非線性關系。雖然可以在特征選擇算法中引入互信息矩陣來代替協方差矩陣，評估特征之間的線性和非線性關系，但所選特征子集的有效性仍不夠好。

基于上述情況而言，傳統主成分分析法和傳統用地仿真法不論是從精準度還是從簡易度而言，都難以滿足空間負荷預測的要求，因此有必要對傳統方法進行改進。

發明內容

針對以上問題，本發明首先引入互信息、絕對互信息度和相對互信息度的思想，在絕對互信息度和相對互信息度的基礎上給出綜合互信息度；然后利用綜合互信息度對從地理信息系統(GIS)獲取的空間信息數據特征進行篩選，并對篩選出的屬性矩陣利用PCA算法降維，從而保留描述土地利用的關鍵空間信息；最后建立土地類型預測模型，進行土地屬性預測，以實現空間負荷的精細預測。

本發明通過下述技術方案實現：

基于綜合互信息度的主成分分析的空間負荷預測方法，包括以下步驟：

S1，利用MIS-PCA算法對從地理信息系統獲取的空間信息數據進行篩選和降維；

S2，以經MIS-PCA算法處理過的信息為基礎，建立基于空間數據挖掘技術的用地類型預測模型；

S3，利用用地分類結果對空間負荷進行預測。

進一步的，所述步驟S1具體包括：

S1.1，將數據集轉換為矩陣，分別計算屬性的互信息值、其余互信息、最大互信息值；

S1.2，根據互信息值，其余互信息和最大互信息值的相關關系計算得出絕對互信息度以及相對互信息度，并依據絕對互信息可信度和相對互信息可信度得出綜合互信息度；