[发明专利]一种需求响应下的短期负荷预测方法

权利要求书

1.一种需求响应下的短期负荷预测方法，其特征在于，包括以下步骤：

1)、分析并选取负荷预测的影响因素，采集负荷的历史数据，得到训练样本集；

2)、根据所述影响因素的历史数据生成输入向量，以所对应的负荷值的历史数据作为输出，得到训练样本；

3)、利用步骤2)得到的所述训练样本对支持向量机模型进行训练，得到训练后的支持向量机模型；

4)、根据步骤1)选取的所述影响因素的待预测时刻的实际数据生成测试输入向量，并将测试输入向量输入到所述训练后的支持向量机模型，其输出即为待预测时刻的负荷预测值。

2.如权利要求1所述的需求响应下的短期负荷预测方法，其特征在于，步骤1)所述的影响因素包括：预测点前一时刻负荷值、预测点前两个时刻负荷值、前一天预测点同时刻负荷值、前一天预测点前一小时负荷值、前一天预测点前两个时刻负荷值、前两天预测点同时刻负荷值、前两天预测点前一小时负荷值、前两天预测点前两个时刻负荷值、前一周预测点负荷值、预测日日类型、预测日平均温度、预测点电价、预测点前一时刻电价、预测点前两个时刻电价、前一天预测点同时刻电价、前两天预测点同时刻电价、前一周预测点同时刻电价和日类型。

3.如权利要求1所述的需求响应下的短期负荷预测方法，其特征在于，步骤2)中根据所述影响因素的历史数据生成输入变量的具体步骤如下：首先利用所选取的影响因素的历史数据构造特征向量，然后对所述特征向量进行降低维数处理，得到所述输入变量。

4.如权利要求3所述的需求响应下的短期负荷预测方法，其特征在于，所述降低维数处理采用主成分分析方法、非负矩阵分解方法、粗糙集约简方法或灰色关联度方法。

5.如权利要求3所述的需求响应下的短期负荷预测方法，其特征在于，所述降低维数处理利用k折交叉训练方法得到维数的最优取值。

6.如权利要求1所述的需求响应下的短期负荷预测方法，其特征在于，所述输入向量的维数为10。

7.如权利要求4所述的需求响应下的短期负荷预测方法，其特征在于，所述非负矩阵分解方法选择欧式距离平方作为非负矩阵分解目标函数。

8.如权利要求1所述的需求响应下的短期负荷预测方法，其特征在于，所述支持向量机模型通过引入核函数k(x_i,x_j)来克服维数灾，所述核函数k(x_i,x_j)采用高斯径向基函数，其中σ为核函数参数。