[发明专利]基于高斯回归组合预测模型的电能替代方案预测方法及装置

权利要求书

1.一种基于高斯回归组合预测模型的电能替代方案预测方法，其特征在于，该方法包括：

接收能源替代转换企业的不同能源替代方案的预测目标，并获取各类目标的频繁项集；

接收电力企业数据库中各类企业能源替代前后相关数据，构建高斯回归组合预测模型；

根据高斯回归组合预测模型对不同能源替代方案的各类目标的频繁项集进行分簇预测，得到不同能源替代方案的预测目标值，并对预测目标值进行线性组合得到费用年值预测目标值；

基于费用年值相等的原则，根据费用年值预测目标值对可替代能源方案进行数据推算，得到电能替代方案的边界电价，并计算电能替代方案的不确定度预估，得到电能替代方案预测结果；

基于预测结果进行数据反馈，并与电力系统相关业务应用平台接收的实际数据进行对比，调整高斯回归组合预测模型的参数，采用参数调整后的高斯回归组合预测模型进行电能替代方案预测。

2.如权利要求1所述的一种基于高斯回归组合预测模型的电能替代方案预测方法，其特征在于，在该方法中，所述电力企业数据库中各类企业能源替代前后相关数据包括：用能历史数据、经济因素数据、环境因素数据和政策因素数据；

所述用能历史数据包括用水历史数据、用电历史数据、用气历史数据和用热历史数据；

所述经济因素数据包括设备替换成本和用能产出效益；

所述环境因素数据包括环保效益；

所述政策因素包括政府补贴。

3.如权利要求1所述的一种基于高斯回归组合预测模型的电能替代方案预测方法，其特征在于，在该方法中，所述构建高斯回归组合预测模型的具体步骤包括：

筛选电力企业数据库中各类企业能源替代前后相关数据，得到标杆企业样本；能源替代转换企业的不同能源替代方案的预测目标作为待测样本；

对标杆企业样本进行聚类，选取与待测样本距离最近的r个标杆企业作为初始进化种群；

将初始进化种群作为训练集进行训练，得到基于r个标杆企业的训练集高斯回归模型似然函数；

获取使高斯回归组合预测模型概率密度最大的模型估计参数。

4.如权利要求3所述的一种基于高斯回归组合预测模型的电能替代方案预测方法，其特征在于，在该方法中，所述得到标杆企业样本的具体步骤包括：

预处理电力企业数据库中各类企业能源替代前后相关数据，得到能源代替数据，并进行存储；

根据能源代替数据筛选实施能源替代转换的各行业高能耗企业，并将其能源代替数据作为标杆企业样本。

5.如权利要求3所述的一种基于高斯回归组合预测模型的电能替代方案预测方法，其特征在于，在该方法中，采用K均值聚类方法对标杆企业样本进行聚类。

6.如权利要求3所述的一种基于高斯回归组合预测模型的电能替代方案预测方法，其特征在于，在该方法中，所述得到基于r个标杆企业的训练集高斯回归模型似然函数的具体步骤包括：

计算训练输入数据集和输出数据集的高斯分布；所述训练集包括训练输入数据集和输出数据集；

将待测样本数据归入与训练集数据同分布的高斯过程，计算联合高斯密度分布；

获取基于r个标杆企业的训练集高斯回归模型似然函数。

7.如权利要求3所述的一种基于高斯回归组合预测模型的电能替代方案预测方法，其特征在于，在该方法中，利用EM方法获取使高斯回归组合预测模型概率密度最大的一组模型估计参数，具体步骤包括：

计算每一个样本的概率；

将高斯回归模型似然函数最大化，得到新的参数值。

8.一种计算机可读存储介质，其中存储有多条指令，其特征在于，所述指令适于由终端设备的处理器加载并执行如权利要求1-7任一项所述的一种基于高斯回归组合预测模型的电能替代方案预测方法。