公开(公告)号：CN111178641B

公开(公告)日：2023-11-24

申请号：CN202010003293.4

申请日：2020-01-03

Applicant: 江南大学

Inventor： 卢先领 ,  徐宇颂

IPC: H02J3/00 ,  G06Q10/04 ,  G06Q50/06 ,  G06N20/10 ,  G06N3/126

Abstract: 本发明提供一种基于特征提取和多核RSVR组合模型的短期电力负荷预测方法，包括以下步骤：步骤S1，基于皮尔逊相关系数、mRMR算法对属性特征进行提取筛选，得到包含其它属性和延迟负荷的最优属性特征集；步骤S2，使用多种不同的核函数分别构建多个单核RSVR模型；根据最优属性特征集，采用训练样本进行模型训练，采用测试样本评估模型预测能力；步骤S3，根据各个单核RSVR模型的训练预测误差分配权值，将各个单核RSVR模型进行加权融合，形成多核RSVR组合模型；步骤S4，使用多核RSVR组合模型进行短期电力负荷预测。本发明能够有效解决属性特征不分类提取、未来未知量的盲目使用等问题，并且兼顾优化了支持向量回归模型，进一步提升了方案预测性能。

公开(公告)号：CN111178641A

公开(公告)日：2020-05-19

申请号：CN202010003293.4

申请日：2020-01-03

Applicant: 江南大学

Inventor： 卢先领 ,  徐宇颂

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N20/10 ,  G06N3/12

Abstract: 本发明提供一种基于特征提取和多核RSVR组合模型的短期电力负荷预测方法，包括以下步骤：步骤S1，基于皮尔逊相关系数、mRMR算法对属性特征进行提取筛选，得到包含其它属性和延迟负荷的最优属性特征集；步骤S2，使用多种不同的核函数分别构建多个单核RSVR模型；根据最优属性特征集，采用训练样本进行模型训练，采用测试样本评估模型预测能力；步骤S3，根据各个单核RSVR模型的训练预测误差分配权值，将各个单核RSVR模型进行加权融合，形成多核RSVR组合模型；步骤S4，使用多核RSVR组合模型进行短期电力负荷预测。本发明能够有效解决属性特征不分类提取、未来未知量的盲目使用等问题，并且兼顾优化了支持向量回归模型，进一步提升了方案预测性能。