申请/专利权人：南京工程学院

申请日：2020-03-17

公开（公告）日：2020-06-19

公开（公告）号：CN111311025A

主分类号：G06Q10/04(20120101)

分类号：G06Q10/04(20120101);G06Q50/06(20120101);G06K9/62(20060101)

优先权：

专利状态码：有效-授权

法律状态：2023.08.08#授权;2020.07.14#实质审查的生效;2020.06.19#公开

摘要：本发明公开了一种基于气象相似日的负荷预测方法，属于电力负荷预测技术领域，包括以下步骤：S10、统计实测负荷数据及对应气象数据；S20、数据预处理，包括缺失数据、异常数据的剔除；对剔除后负荷数据进行数据归一化；S30、聚类，依据气象数据将负荷日分到不同类别中，形成气象相似日；S40、基于气象相似日所属类别中已知负荷的每个时刻，建立支持向量机预测模型；S50、对支持向量机预测模型进行训练；S60、将待预测日的气象数据输入训练完成的支持向量机预测模型，得到待预测日的负荷预测。本发明在聚类分析的基础上，运用支持向量机构建回归预测模型，基于交叉验证的思想，优化了模型的惩罚参数和核函数参数，降低了预测误差，提高了预测精度。

主权项：1.一种基于气象相似日的负荷预测方法，其特征在于，包括以下步骤：S10、统计电力系统实测负荷数据及其对应气象数据；S20、数据预处理，对所述负荷数据和所述气象数据进行数据预处理；所述数据预处理包括缺失数据、异常数据的剔除，将剔除后气象数据与负荷数据的日期匹配；对剔除后负荷数据进行数据归一化；S30、聚类，以所述气象数据为条件将所有负荷进行聚类分析，即依据所述气象数据将负荷日分到不同类别中，使对应负荷处于不同类别中，形成气象相似日；S40、基于所述气象相似日所属类别中已知负荷的每个时刻，建立支持向量机预测模型；对所述支持向量机预测模型进行训练；S50、所述支持向量机预测模型的模型参数，基于交叉验证思想进行参数寻优，实现负荷模型的最优预测；S60、将待预测日的气象数据输入训练完成的支持向量机预测模型，得到所述待预测日的负荷预测。

全文数据：

权利要求：

百度查询： 南京工程学院 一种基于气象相似日的负荷预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD