[发明专利]一种基于多表融合数据的用户短期用电量预测方法

权利要求书

1.一种基于多表融合数据的用户短期用电量预测方法，其特征在于，首先利用通径分析计算出影响用户用电量的日特征向量的权重，得到模糊相似矩阵；然后通过模糊聚类传递闭包法选取相似日，并将这些相似日作为样本训练支持向量机，对用户用电量进行预测；

具体包括以下步骤：

第一步，日特征向量的确定和量化，选取影响用户用电量的因素作为日特征向量的元素，形成样本集合X＝{x_i}；

第二步，通径分析得到日特征向量权重矩阵A，日特征向量中不同的因素对用电量的影响程度是不同的，因此需要给这些元素赋予不同的权重；

第三步，计算日特征向量间的相似度R(x_i，x_j)，为了对不同特征向量进行比较以选取相似日，需要定义两个特征向量之间的相似度，进而由计算出的相似度构造模糊相似矩阵并用于模糊聚类分析；

第四步，采用模糊聚类方法对样本集进行分类以进行相似日的选取，一个模糊等价关系的建立能够确定一个模糊分类，而模糊等价关系由模糊等价矩阵来表示；

第五步，支持向量机模型建立和参数初始化；

第六步，输入相似日数据，优化支持向量机参数；

第七步，将训练好的模型用于用电量短期预测。

2.如权利要求1所述的一种基于多表融合数据的用户短期用电量预测方法，其特征在于，所述第一步，

选取影响用户用电量的因素作为日特征向量的元素，包括用水量、用气量、星期类型、降水量、气压、风速、相对湿度、平均温度、最高温度、最低温度。

3.如权利要求2所述的一种基于多表融合数据的用户短期用电量预测方法，其特征在于，日特征向量可表示为x_i＝(x_1i，x_2i，...，x_ni)^T，其中n为元素的个数；训练数据包括历史日数据和预测日当天的特征向量数据，所有的训练数据构成了样本集合X＝{x_i}，其中i＝1，2，...，m，m表示数据的个数。

4.如权利要求3所述的一种基于多表融合数据的用户短期用电量预测方法，其特征在于，所述第二步，日特征向量中不同的因素对用电量的影响程度是不同的，因此需要给这些元素赋予不同的权重；用对角矩阵A＝diag(λ₁，λ₂，...，λ_n)表示权重矩阵，那么加权后的日特征向量为

x′_i＝Ax_i＝(λ₁x_1i，λ₂x_2i，...，λ_nx_ni)^T (1)。

5.如权利要求4所述的一种基于多表融合数据的用户短期用电量预测方法，其特征在于，对于前述日特征向量组成的样本集合矩阵

每一行表示一个特征，能够看作一个自变量序列x_k＝(x_k1，x_k2，...，x_km)，k＝1，2，...n，序列的长度为m；相应的因变量序列为y＝(y₁，y₂，...，y_m)，则自变量x_k对因变量y的直接通径系数为

其中b_k为多元回归方程的偏回归系数，为自变量x_k的标准差，s_y为因变量y的标准差；根据直接通径系数能够求出各因素对因变量的影响权重为