[发明专利]一种基于回声状态网络的短期负荷预测方法及系统

权利要求书

1.一种基于回声状态网络的短期负荷预测方法，其特征在于，包括：

收集历史负荷数据和负荷影响因素信息；

对所述历史负荷数据进行预处理；

基于所述负荷影响因素信息使用模糊聚类分析法筛选出与待测日特征相似的相似日；

基于所述相似日的经过预处理后的所述历史负荷数据建立回声状态网络负荷预测模型；

基于所述回声状态网络负荷预测模型对所述待测日进行负荷预测。

2.根据权利要求1所述的方法，其特征在于，所述对所述历史负荷数据进行预处理包括：

基于所述历史负荷数据确定建立回声状态网络负荷预测模型的数据样本，并对所述数据样本进行归一化处理。

3.根据权利要求1所述的方法，其特征在于，所述基于所述负荷影响因素信息使用模糊聚类分析法筛选出与待测日特征相似的相似日包括：

基于所述负荷影响因素信息确定用来进行模糊聚类分析的特征指标；

收集所有样本日期和待预测日期的所有被确定的所述特征指标；

按照数据标准化、构造模糊相似矩阵、模糊传递闭包分类的步骤依次对所述样本日期和待预测日期进行模糊聚类分析；

选择适用的模糊聚类分析的聚类水平，确定最后的分类结果；

基于所述分类结果确定所述相似日。

4.根据权利要求1所述的方法，其特征在于，所述基于所述相似日的经过预处理后的所述历史负荷数据建立回声状态网络负荷预测模型包括：

S1，选取所述相似日的所述历史负荷数据作为所述回声状态网络负荷预测模型的训练数据集，根据所述训练数据集中样本数据的特点确定所述回声状态网络负荷预测模型的输入和输出；

S2，对所述回声状态网络负荷预测模型的储备池参数进行初始化设定，其中，所述储备池参数至少包括输入单元尺度，储备池内部连接权值矩阵的谱半径，储备池规模，储备池稀疏程度；

S3，随机生成连接矩阵、输入连接和输出反馈权值，对所述回声状态网络负荷预测模型进行训练，训练过程中对目标函数增加L1/2范数惩罚项并采用L1/2正则化方法求解，计算输出连接权矩阵。

5.根据权利要求4所述的方法，其特征在于，所述基于所述回声状态网络负荷预测模型对所述待测日进行负荷预测包括：

按照步骤S1的方法确定所述待测日的新的输入序列，并将所述输入序列输入到训练好的所述回声状态网络负荷预测模型进行负荷预测，得到预测结果。

6.一种基于回声状态网络的短期负荷预测系统，其特征在于，包括：

数据收集模块：用于收集历史负荷数据和负荷影响因素信息；

第一处理模块：用于对所述历史负荷数据进行预处理；

第二处理模块：用于基于所述负荷影响因素信息使用模糊聚类分析法筛选出与待测日特征相似的相似日；

第三处理模块：用于基于所述相似日的经过预处理后的所述历史负荷数据建立回声状态网络负荷预测模型；

第四处理模块：用于基于所述回声状态网络负荷预测模型对所述待测日进行负荷预测。

7.根据权利要求6所述的系统，其特征在于，所述第一处理模块具体用于：

基于所述历史负荷数据确定建立回声状态网络负荷预测模型的数据样本，并对所述数据样本进行归一化处理。

8.根据权利要求6所述的系统，其特征在于，所述第二处理模块具体用于：

基于所述负荷影响因素信息确定用来进行模糊聚类分析的特征指标；

收集所有样本日期和待预测日期的所有被确定的所述特征指标；

按照数据标准化、构造模糊相似矩阵、模糊传递闭包分类的步骤依次对所述样本日期和待预测日期进行模糊聚类分析；

选择适用的模糊聚类分析的聚类水平，确定最后的分类结果；

基于所述分类结果确定所述相似日。