[发明专利]一种基于SFO-TSVR的短期电力负荷预测方法

权利要求书

1.一种基于SFO-TSVR的短期电力负荷预测方法，其特征在于，包括以下步骤：

S1、获取历史负荷数据、气象数据及对应的日期类型数据，以作为原始样本数据；

S2、将原始样本数据划分为训练集和测试集；

S3、设定输入数据序列，并构建TSVR模型；

S4、基于训练集，并采用SFO算法，对TSVR模型进行训练；

S5、基于测试集，对训练后的TSVR模型进行验证，若验证通过，则执行步骤S6，否则返回步骤S3；

S6、根据设定的输入数据序列，将实际待预测日的相关数据输入训练后的TSVR模型，得到实际待预测日的电力负荷预测值。

2.根据权利要求1所述的一种基于SFO-TSVR的短期电力负荷预测方法，其特征在于，所述步骤S1具体是对历史负荷数据和气象数据进行归一化处理，并将相应的日期类型数据量化到[0,1]范围内，以此得到原始样本数据。

3.根据权利要求1所述的一种基于SFO-TSVR的短期电力负荷预测方法，其特征在于，所述步骤S3具体包括以下步骤：

S31、设定输入数据序列具体为：待预测日前两日的气象数据、负荷数据及日期类型，待预测日前一日的气象数据、负荷数据及日期类型，以及待预测日的气象数据和日期类型；

S32、建立TSVR模型的回归函数：

f(x)＝(f₁(x)+f₁(x))/2

其中，f(x)为TSVR模型的回归函数，f₁(x)和f₂(x)分别为TSVR模型的上、下界决策函数，w₁和w₂分别为决策函数f₁(x)和f₂(x)的权重系数，b₁和b₂分别为决策函数f₁(x)和f₂(x)的偏置项。

4.根据权利要求3所述的一种基于SFO-TSVR的短期电力负荷预测方法，其特征在于，所述步骤S32中权重系数和偏置项具体为：

G＝[X e]

f＝Y-eε₁

h＝Y+eε₂

X＝[x₁,x₂,...,x_n]^T

Y＝[y₁,y₂,...,y_n]^T

其中，α和β为拉格朗日算子，X为输入矩阵，Y为输出矩阵，ε₁、ε₂为不敏感损失因子，ξ₁和ξ₂为松弛变量，e为元素均为1的列向量。