[发明专利]一种基于因子‑主属性模型的中长期电力负荷预测方法

权利要求书

1.一种基于因子-主属性模型的中长期电力负荷预测方法，其特征是所述方法包括：

步骤1：建立(n-1)个影响因子指标X₁-X_n-1和1个预测对象X_n的原始矩阵，采用Z标准化，对影响因子指标数据X₁-X_n-1和X_n进行预处理，将指标数据无量纲化，得到指标矩阵A_on,矩阵中的o代表数据的时间维度上的个数；其中，对指标数据进行Z标准化以便将不同单位的指标数据无量纲化；Z标准化公式为其中μ_i为变量的期望，σ为标准差；所述n-1个影响因子指标X₁-X_n-1根据预测对象的特点按照专家法进行选择，所述预测对象X_n为全社会年用电量；

步骤2：根据因子分析方法，确定选择的公因子，并计算相应的因子得分，建立因子预测模型

步骤3：根据主属性算法，筛选得到主属性m₁,…,m_r，主属性模型为其中v是特征向量，{ν_i,1≤i≤n}构成矩阵V_nn；

步骤4：根据公式建立因子-主属性的中长期电力负荷预测模型，计算得到归一化后的预测变量值，经过Z标准化公式变换，重新计算得到相应的原变量实际值；其中α与β是因子预测模型和主属性模型算法的载荷因子。

2.根据权利要求1所述的方法，其特征是所述步骤2包括如下子步骤：

子步骤201：建立原方程组X_C＝AY，其中X_C表示Z标准化的原始指标变量，A为权利要求1的步骤1中得到的指标矩阵A_on；运用主成分分析法建立因子分析方程组其中ε_i(i＝1,…，12)为误差可以忽略，f为公因子，k为公因子个数，求解因子载荷，根据主成分分析法原理计算，得到相应k个主成分的因子载荷矩阵Φ，即

子步骤202：将因子载荷矩阵Φ进行旋转，得到因子载荷矩阵L；

采用最大方差法进行正交旋转，得到旋转后在k个主成分上各个指标因子相应的正交旋转因子载荷，正交旋转因子载荷矩阵即为L；

子步骤203：根据子步骤202中得到的正交旋转方式旋转后因子载荷矩阵L和经过Z标准化的原始变量，采用未加权的最小二乘法计算因子得分系数，其中η为得分系数，X_c为Z标准化的原始指标变量，L’为L的转置矩阵。

3.根据权利要求1所述的方法，其特征是所述步骤3包括如下子步骤：

子步骤301：将预测对象的指标矩阵A_on进行奇异值分解，得到A_on＝U_ooΣ_onV^T_nn；

其中矩阵U_oo中列向量相互正交，Σ_on是对角矩阵，V^T_nn是V_nn的转置，其中列向量相互正交；根据SVD得到特征值λ_i，特征向量ν_i，{ν_i,1≤i≤n}构成矩阵V_nn，其中的σ_i是奇异值，μ_i构成矩阵U_oo；对角矩阵Σ_on是全体奇异值从大到小的排列；

子步骤302：将前r大的奇异值近似地描述矩阵为：经过变换可以得到所述r表示的是奇异值按大小排序，r＝7；

子步骤303：根据奇异值分解后的A_onV_nr矩阵计算主属性量化值λ_j，根据λ_j进行排序，选择值最大的两个λ_j，其对应的原始变量为国内生产总值X1和电力消费增长率X6，值最大的r列即是选择的最为重要的r列，即可得到r个主属性，记作m₁,…,m_r；

子步骤304：建立主属性模型其中v为预测变量在子步骤302得到的矩阵V_nr中的相应值。