[发明专利]电力系统短期负荷概率预测方法、装置及系统

摘要

本发明公开了一种电力系统短期负荷概率预测方法、装置及系统，通过选取影响负荷的最优输入变量集合，建立高斯过程分位数回归的短期负荷概率密度预测模型。首先采用随机森林算法给出输入变量重要性评分，并对各输入变量影响程度进行排序；其次，采用粒子群优化算法搜索模型超参数，形成优化高斯过程分位数回归预测模型，避免人工经验设置参数初始值对模型预测性能的不利影响。本发明可避免人工经验选取的不足，在最优输入变量集合中建立的负荷预测模型，其误差较低，进一步降低了预测误差，克服了常用共轭梯度方法存在容易陷入局部最优解、迭代次数难以确定、优化性能受初值选取影响大的问题，可充分发挥自身搜索与群体认知能力。

主权项

1.一种电力系统短期负荷概率预测方法，其特征在于，包括：获取输入变量；对输入变量进行预处理；建立基于高斯过程分位数回归的负荷概率预测模型；基于预处理过的输入变量，确定最优输入变量集合；利用粒子群算法优化所述负荷概率预测模型中的超参数，获得优化过的基于高斯过程分位数回归的负荷概率预测模型；将所述最优输入变量集合代入到优化过的基于高斯过程分位数回归的负荷概率预测模型，获得预测输出。