公开(公告)号：CN117713037A

公开(公告)日：2024-03-15

申请号：CN202311398874.2

申请日：2023-10-26

Applicant: 重庆邮电大学

Inventor： 梁燕 ,  徐奔 ,  陈宣同 ,  李俊霖 ,  刘子悦 ,  皱浩然

IPC: H02J3/00 ,  G06F18/23213 ,  G06F18/214 ,  G06F18/211

Abstract: 本发明涉及一种基于特征选择和降维聚类的两阶段短期电力负荷预测方法，基于两阶段预测框架，第一阶段：基于MIC计算历史负荷和特征间的全局关系，得到优选特征集，采用机器学习模型对优选特征集进行预测，选择最优模型作为第一阶段的预测结果并按时间顺序标注预测点的日期标签；第二阶段：利用t分布随机近邻嵌入和k均值耦合的t‑kmeans方法进行日负荷降维和聚类，明确各用电模式待预测日期，再次采用MIC计算各个用电模式的历史负荷、天气和相似时间点的相关系数并进行特征选择，得到最优特征集，对每个用电模式分别建立机器学习模型和参数优化进行预测，选择最优模型作为预测结果，与第一阶段结果叠加为最终结果。