[发明专利]基于影响因素筛选的短期负荷预测方法

摘要

本发明提供一种基于影响因素筛选的短期负荷预测方法，用于电力系统短期负荷预测，该方法在对偏最小二乘回归分析的主成分进行有效地提取的基础上，通过对影响负荷因素的重要性的分析，实现对影响负荷因素的筛选，最后将经过筛选的影响因素用于短期负荷预测中；本发明不仅减少了短期负荷预测的工作量，而且保证了负荷预测精度。

主权项

1.一种基于影响因素筛选的短期负荷预测方法，其特征在于：该方法步骤如下： （1）、建立影响负荷因素筛选模型：如果有个影响负荷因素，对它们分别进行了次采样，得到个样本点则所构成的数据表可以写成一个维的矩阵式中，，被称为第个样本点；所有的样本点所在的空间被称为样本点空间；（2）、根据历史数据，对负荷进行主成分的提取：首先将做标准化处理，经标准化处理后的数据矩阵记为，负荷量经标准化处理后的数据矩阵记为；第一步，记是的第一个成分，,是的第一个轴，它是一个单位向量，即；记是的第一个成分，；是的第一个轴，并且；如果要求，能分别很好地代表与中的数据变异信息，根据主成分分析原理，应该有：另一方面，由于回归建模的需要，又要求与有最大的解释能力，由典型相关分析的思路，与的相关度应达到最大值，即：其中，为相关系数，是与的协方差，和是和的方差；因此，在偏最小二乘回归中，要求与的协方差达到最大，即正规的数学表述是求解下列优化问题，即因此，将在和的约束条件下，去求的最大值；求得轴和后，即可得到成分然后，求和的三个回归方程式中，回归系数向量是：而，，分别是三个回归方程的残差矩阵；第二步，用残差矩阵和取代和，然后，计算得到第二个轴和以及第二个成分，，有是对应于矩阵最大特征值的特征向量，是对应于矩阵最大特征值的特征向量；计算回归系数：因此，有回归方程：如此计算下去，如果的秩是，则会有由于均可以表示成的线性组合，因此，得到：,其中，是残差矩阵的第列；（3）、实现对影响负荷因素的筛选：在偏最小二乘回归分析中，自变量对因变量的解释能力是以变量投影重要性指标VIP来测度的，其定义为：式中，是轴的第个分量，用于衡量对构造主成分的贡献大小；和分别代表了对的解释能力和对的累计解释能力，且有：由于影响负荷因素对负荷量的解释是通过来传递的，如果对负荷量的解释能力很强，而影响负荷因素在构造时又起到了相当重要的作用，则影响负荷因素对负荷量的解释能力就被视为很大，进而实现对影响负荷因素的筛选；（4）、定义出影响负荷因素的测定指标：影响系数：在此作出如下定义：影响负荷因素的测定指标用影响系数来表示：（5）、去除影响系数低的影响负荷因素，将影响系数高的影响负荷因素用于神经网络的输入中，实现对影响负荷因素筛选，采用神经网络模型对短期负荷进行预测。