[发明专利]一种基于fisher信息处理短期负荷预测特征输入量的选择方法

摘要

本发明涉及一种基于fisher信息处理短期负荷预测特征输入量的选择方法，对历史样本数据进行处理，构建判断矩阵并对其进行无量纲化处理得到标准矩阵,影响因素的Fisher信息权FIWj，用所获得的影响因素的Fisher信息权FIWj对预测模型的输入变量进行加权处理，得到Fisher信息权加权影响因素后的输入量，将得到的Fisher信息权加权影响因素后的输入量作为人工智能预测模型最终的输入层变量用来进行负荷预测,组成一个有效的输入变量,能提高网络的训练速度和预测精度。

主权项

一种基于fisher信息处理短期负荷预测特征输入量的选择方法，其特征在于：包括以下步骤：步骤1：读取历史样本数据，所述历史数据为电力部门提供的负荷数据和气象数据；步骤2：对步骤1中的数据进行处理，获取共m天的日最高负荷数据，每日的最高负荷都有n个影响因素，得到判断矩阵X；步骤3：对步骤2中获得的判断矩阵X进行无量纲化处理，得到标准化矩阵R＝(rij)m×n；步骤4：以步骤3中标准化矩阵R＝(rij)m×n为基础，计算出第j个影响因素的Fisher信息权FIWj；步骤5：对第j个影响因素使用步骤4所获得的与其相应的Fisher信息权FIWj进行加权处理，得到Fisher信息权加权影响因素后的输入量；步骤6：将上述得到的Fisher信息权加权影响因素后的输入量作为人工智能预测模型最终的输入层变量用来进行负荷预测。