[发明专利]一种基于证据回归多模型的多联供系统负荷预测方法

权利要求书

1.一种基于证据回归多模型的多联供系统负荷预测方法，其特征在于，主要步骤包括：

S1.采集电、热、气负荷运行数据并进行聚类；

S2.整理、筛选、清洗原始数据，基于聚类结果选取与电、热、气负荷相关的参数数据，构建离线数据库；

S3.基于离线数据库，分析影响电、热、气负荷的影响因素，建立关联关系模型；

S4.基于关联关系模型建立多联供系统电、热、气负荷及其影响因素的证据库，从而对电、热、气负荷及其不确定区间进行预测。

2.根据权利要求1所述的一种基于证据回归多模型的多联供系统负荷预测方法，其特征在于，在步骤S3中，具体是指：

步骤1：通过灰色关联方法分析计算公式对电、热、气负荷和天气、工作日非工作日、时间、季节因素进行两两相关性计算，得到其关联相关系数，计算公式如下：

其中，ζ_i为变量x_i与变量y之间的关联相关系数，ρ为分辨系数，其值在区间(0，1)之间，通常取ρ＝0.5，i为数据库中某历史日，k为特征向量；

采用熵权法求客观权重ω_k，并计算关联度γ，计算公式为：

其中，n为特征向量个数；

步骤2：采用主成分分析方法对输入的影响因素参数的数据进行降维处理；

步骤3：采用模糊C均值聚类方法，按聚类指标为x_j，确定聚类数C、模糊加权参数m、阈值e，将样本集D＝{xj}划分为C个不同的子域，其中聚类中心集合表示为V₀＝{vi|i＝1,2,…,C}，隶属度μ_ij计算公式如下：

其中，d_ij表示d_j与聚类中心v_i的欧氏距离，d_kj表示聚类中心v_k与聚类中心v_j的欧氏距离；

聚类中心集合计算公式为：

该算法目标函数计为：

3.根据权利要求1所述的一种基于证据回归多模型的多联供系统负荷预测方法，其特征在于，在步骤S4中，具体是指：

步骤1：从历史数据库中划分C个子域，去掉位于子域过渡区域的样本及离群样本，得到C个子域的类心、不同训练样本对C个子域的隶属度、不同训练样本的识别框架隶属度；

步骤2：对步骤1所得C个子域，构建子区域证据回归模型，得到个局部子区域的局部模型结构参数；

步骤3：对新输入x进行子区域判别，计算其各个子域及识别框架的隶属度；

步骤4：计算预测输出，对于新输入x，若存在某个子域i，该输入隶属于该子域的隶属度m_i很大，即该输入对应的识别框架隶属度m_Ω很小，则根据该子区域证据回归模型计算输出；若其识别框架隶属度m_Ω较大，则该输入所对应的输出为多个子域对应输出与识别框架输出的加权值。区分上述两种情况的m_Ω的阈值记为m；

步骤5：证据回归多模型的更新校正。

4.一种基于证据回归多模型的多联供系统负荷预测装置，包括用于执行步骤S1的数据采集模块、用于执行步骤S2的数据预处理模块、用于执行步骤S3的关联性分析模块以及用于执行步骤S4的证据回归预测模块。