申请/专利权人：河海大学

申请日：2020-08-26

公开（公告）日：2024-04-09

公开（公告）号：CN112183813B

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q50/06;G06F16/2458;G06F40/237;H02J3/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2021.01.22#实质审查的生效;2021.01.05#公开

摘要：本发明公开了一种基于优化稀疏编码的超短期负荷滚动多步预测方法，包括对历史电力负荷数据进行数据预处理，构建稀疏编码算法中的特征字典、目标字典和输入向量；通过ESAX符号化距离相似性检索方法对特征字典和目标字典进行优化；基于输入向量以及优化后的特征字典、目标字典，应用稀疏编码算法预测得到多步预测目标结果；根据区间修正模型对预测目标结果进行修正，输出最终预测结果。借助包含幅值和趋势变化复合特征的ESAX符号化距离相似性度量方法优化字典，增强了稀疏编码的特征识别能力，同时加入基于负荷增量预测的区间修正模型，改善了稀疏编码预测在负荷爬坡期间误差偏大的情况，更适合于需要不断更新负荷数据的超短期负荷滚动多步预测。

主权项：1.一种基于优化稀疏编码的超短期负荷滚动多步预测方法，其特征在于，包括：对历史电力负荷数据进行数据预处理，并构建稀疏编码算法中的特征字典、目标字典和输入向量；通过ESAX符号化距离相似性检索方法对特征字典和目标字典进行优化；基于输入向量以及优化后的特征字典、目标字典，应用稀疏编码算法预测得到多步预测目标结果；根据区间修正模型对预测目标结果进行修正，输出最终预测结果；通过ESAX符号化距离相似性检索对特征字典和目标字典进行优化的方法，包括：在分段累积近似算法基础上，对输入向量和特征字典原子分别进行降维；将降维后的序列值按高斯分布密度曲线分割成若干个等概率的区间序列，得到时间序列的符号化表示，并根据每个子序列的信息计算子序列的均值及趋势变化特征值；计算输入向量与特征字典原子的复合距离，设定距离阈值，对特征字典进行相似性度量及优化；优化的目标字典由优化后特征字典中对应的原子时延获得；基于输入向量以及优化后的特征字典、目标字典，应用优化稀疏编码算法预测得到多步预测目标结果的方法，包括：根据输入向量以及优化后的特征字典和目标字典，在稀疏编码中利用LARS算法求解LASSO回归问题，得到稀疏权值向量最优解；计算稀疏权值向量与目标字典的内积，以获得多步负荷预测值；根据区间修正模型对预测目标结果进行修正，输出最终预测结果的方法，包括：通过基于最小二乘法的分时回归预测模型在预测前一天先行预测当日的负荷增量；设定修正判别阈值，当检测到某时刻修正判别指标越过阈值后，则实时提取负荷增量预测值，并累加获得修正后的多步负荷预测值。

全文数据：

权利要求：

百度查询： 河海大学 一种基于优化稀疏编码的超短期负荷滚动多步预测方法

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