[发明专利]一种短时电力负荷预测的方法及装置

权利要求书

1.一种短时电力负荷预测的方法，其特征在于，所述方法包括：

获取历史电力数据；

调用预先建立的预测模型，根据所述历史电力数据计算出电力负荷预测数据，所述预测模型为综合分位回归和鲁棒极限学习机所建立的预测模型；所述预测模型为通过预先获取的训练数据集训练并利用PSOGSA进行优化得到的预测模型，所述训练数据集为根据所述历史电力数据得到的所述训练数据集；

所述预测模型具体为：其中Y_t为所述预测模型的输出值，Q_t为t时刻所述预测模型在τ分位下的输出值，为所述分位回归的影响参数，为所述鲁棒极限学习机的影响参数；相应的，训练所述预测模型时所用的损失函数为：其中C是惩罚系数，β是所述鲁棒极限学习机中隐含层与输出层之间的权值，y_t是训练所述预测模型时所使用的训练数据中t时刻的电力负荷值，ρ_τ为检验函数。

2.根据权利要求1所述的方法，其特征在于，所述历史电力数据为历史电力负荷数据。

3.根据权利要求1所述的方法，其特征在于，所述训练数据集具体为：

将预先获取的所述历史电力数据进行归一化处理，以生成归一化的样本数据集；

通过自相关分析，提取所述归一化的样本数据集中各变量间的自相关系数；

根据所述自相关系数和预先设定的选取规则，从所述归一化的样本数据集中选取可用的样本变量数据，以构成所述训练数据集。

4.一种短时电力负荷预测的装置，其特征在于，所述装置包括：

获取模块：用于获取历史电力数据；

调用模块：用于调用预先建立的预测模型，根据所述历史电力数据计算出电力负荷预测数据，所述预测模型为综合分位回归和鲁棒极限学习机，并利用PSOGSA优化后所建立的预测模型；所述预测模型为通过预先获取的训练数据集训练得到的预测模型，所述训练数据集为根据所述历史电力数据得到的所述训练数据集；

所述调用模块具体用于：

调用预先建立的预测模型，根据所述历史电力数据计算出电力负荷预测数据，所述预测模型具体为：其中Y_t为所述预测模型的输出值，Q_t为t时刻所述预测模型在τ分位下的输出值，为所述分位回归的影响参数，为所述鲁棒极限学习机的影响参数；相应的，训练所述预测模型时所用的损失函数为：其中C是惩罚系数，β是所述鲁棒极限学习机中隐含层与输出层之间的权值，y_t是训练所述预测模型时所使用的训练数据中t时刻的电力负荷值，ρ_τ为检验函数。

5.根据权利要求4所述的装置，其特征在于，所述获取模块具体用于：

获取历史电力数据，其中历史电力数据为历史电力负荷数据。

6.根据权利要求4所述的装置，其特征在于，所述调用模块具体用于：

调用预先建立的预测模型，根据所述历史电力数据计算出电力负荷预测数据，所述预测模型为通过预先获取的训练数据集训练得到的预测模型，所述训练数据集具体为将预先获取的历史电力数据进行归一化处理，以生成归一化的样本数据集；通过自相关分析，提取所述归一化的样本数据集中变量间的自相关系数；根据所述自相关系数和预先设定的选取规则，从所述归一化的样本数据集中选取可用的样本变量数据，以构成的所述训练数据集。