[发明专利]基于主成分分析的短期负荷预测方法、系统及终端设备

权利要求书

1.一种基于主成分分析的短期负荷预测方法，其特征在于，包括以下步骤：

步骤S1.从电力系统和电力气象系统中获取历史负荷数据以及与历史负荷数据相关的因数指标作为样本数据，将所述样本数据划分为训练样本数据和预测样本数据；

步骤S2.对所述训练样本数据中的负荷和因数指标采用相关性分析，筛选影响负荷的因数特征值；

步骤S3.对所有的所述因数特征值采用主成分分析法降维处理，得到影响负荷的主成分特征值；

步骤S4.采用样条函数对每个所述主成分特征值对应的所述训练样本数据进行模型拟合，得到与每个所述主成分特征值对应影响负荷的样条拟合函数；

步骤S5.对所有的所述样条拟合函数采用半参数可加模型建立负荷预测模型，将所述预测样本数据输入所述负荷预测模型输出预测结果。

2.根据权利要求1所述的基于主成分分析的短期负荷预测方法，其特征在于，还包括在所述训练样本数据中按相关系数大小排序筛选相关系数排名前10的因数指标作为所述因数特征值。

3.根据权利要求1所述的基于主成分分析的短期负荷预测方法，其特征在于，还包括对所有的所述因数特征值数据进行标准化处理，得到因数特征值的标准化矩阵；

将所述标准化矩阵转换为相关系数矩阵，根据所述相关系数矩阵计算得到每个所述因数特征值的相关系数、贡献率和累计贡献率；

根据所述累计贡献率不小于贡献率阈值从所有的所述因数特征值中筛选出主成分，根据筛选的每个所述主成分的相关系数和贡献率计算，得到每个所述主成分的单位向量；

根据每个所述主成分的单位向量与所述标准化矩阵的转置矩阵乘积，得到每个所述主成分的主成分特征值。

4.根据权利要求1所述的基于主成分分析的短期负荷预测方法，其特征在于，还包括采用三次样条函数对每个所述主成分特征值进行模型拟合得到样条拟合函数。

5.根据权利要求1所述的基于主成分分析的短期负荷预测方法，其特征在于，还包括基于相同因数指标下，计算l个样本数据的电力系统实际负荷与通过所述负荷预测模型输出预测负荷的平均绝对误差值。

6.根据权利要求1所述的基于主成分分析的短期负荷预测方法，其特征在于，还包括按照7:3的比例将所述样本数据划分为训练样本数据和预测样本数据。

7.根据权利要求1所述的基于主成分分析的短期负荷预测方法，其特征在于，所述因数指标包含有温度、湿度、降雨量、星期类型、节假日。

8.一种基于主成分分析的短期负荷预测系统，其特征在于，包括数据获取单元、筛选单元、分析单元、拟合单元和模型建立单元；

所述数据获取单元，用于从电力系统和电力气象系统中获取历史负荷数据以及与历史负荷数据相关的因数指标作为样本数据，将所述样本数据划分为训练样本数据和预测样本数据；

所述筛选单元，用于对所述训练样本数据中的负荷和因数指标采用相关性分析，筛选影响负荷的因数特征值；

所述分析单元，用于对所有的所述因数特征值采用主成分分析法降维处理，得到影响负荷的主成分特征值；

所述拟合单元，用于采用样条函数对每个所述主成分特征值对应的所述训练样本数据进行模型拟合，得到与每个所述主成分特征值对应影响负荷的样条拟合函数；

所述模型建立单元，用于对所有的所述样条拟合函数采用半参数可加模型建立负荷预测模型，将所述预测样本数据输入所述负荷预测模型输出预测结果。

9.一种计算机可读存储介质，其特征在于，所述计算机存储介质用于存储计算机指令，当其在计算机上运行时，使得计算机执行如权利要求1-7任意一项所述的基于主成分分析的短期负荷预测方法。

10.一种终端设备，其特征在于，包括处理器以及存储器：

所述存储器，用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器，用于根据所述程序代码中的指令执行如权利要求1-7任意一项所述的基于主成分分析的短期负荷预测方法。