申请/专利权人：国网江苏省电力有限公司;江苏电力交易中心有限公司

申请日：2021-10-11

公开（公告）日：2024-05-10

公开（公告）号：CN113902193B

主分类号：G06Q10/04

分类号：G06Q10/04;G06N3/006;G06N20/10;G06Q10/0631;G06Q50/06

优先权：

专利状态码：有效-授权

法律状态：2024.05.10#授权;2024.01.19#著录事项变更;2024.01.19#专利申请权的转移;2023.01.06#专利申请权的转移;2022.01.25#实质审查的生效;2022.01.07#公开

摘要：本发明公开了基于POFP‑SVM算法的省级月度用电量预测方法，该方法研究计及用电量的影响因素的省级月度用电量预测问题，考虑月度平均温度、月度平均电价及月度GDP数值这三个影响因素，利用二阶灰色预测模型对上述影响因素进行前级预测；本发明还针对传统的支持向量机预测模型进行改进，采取粒子群算法进行径向基核参数和惩罚参数寻优，确定支持向量机的最佳预测模型，建立并定义了新的POFP‑SVM模型，即基于参数寻优和特征预测的支持向量机预测模型；将二阶灰色预测模型前级预测的结果输入到训练好的支持向量机预测模型，得到月度用电量预测值。本发明方法提升了模型的适用性，预测效果较普通模型大大提升。

主权项：1.一种基于POFP-SVM算法的省级月度用电量预测方法，其特征在于，具体包括如下步骤：步骤1，采集并统计得到历史省级全社会月度用电量数据、月度平均温度数据、月度平均电价数据以及月度GDP数据，并分别针对月度用电量、月度平均温度、月度平均电价以及月度GDP构建各自对应的初始数据集；步骤2，构建支持向量机预测模型，将步骤1得到的月度平均温度初始数据集、月度平均电价初始数据集、月度GDP初始数据集作为输入，月度用电量初始数据集作为输出，对支持向量机预测模型进行训练；利用粒子群算法对支持向量机预测模型的参数对c，g进行迭代寻优，得到最优参数的支持向量机预测模型；其中，c表示惩罚参数，g表示核参数；步骤3，将月度平均温度、月度平均电价以及月度GDP作为特征参量，利用步骤1得到的初始数据集分别对上述三个特征参量构建各自对应的二阶灰色预测模型；步骤4，利用月度平均温度对应的二阶灰色预测模型对月度平均温度进行前级预测，利用月度平均电价对应的二阶灰色预测模型对月度平均电价进行前级预测，利用月度GDP对应的二阶灰色预测模型对月度GDP进行前级预测，得到上述特征参量各自对应的预测值；步骤5，将步骤4得到的三个特征参量的预测值作为步骤2所述最优参数的支持向量机预测模型的输入，得到省级全社会月度用电量预测值；所述步骤2的方法如下：步骤2.1，对步骤1得到的初始数据集进行归一化处理；步骤2.2，粒子群算法初始化以及粒子群初始化，方法如下：设置局部学习因子c1、全局学习因子c2、终止迭代次数以及粒子群数量m；在一个三维空间中初始化粒子群x＝{x1，x2，...，xi，...，xm}，其中，第i个粒子xi的位置为xi＝{xi1，xi2，xi3}，速度为vi＝{vi1，vi2，vi3｝；其中，xi1，xi2，xi3分别表示第i个粒子xi在三维空间坐标的位置分量；vi1，vi2，vi3分别表示第i个粒子xi在三维空间坐标的速度分量；步骤2.3，利用LIBSVM计算粒子适应度；步骤2.4，根据粒子适应度更新个体极值Pi＝{Pi1，Pi2，Pi3}以及全局极值Pg＝{Pg1，Pg2，Pg3}；其中，Pi1，Pi2，Pi3分别为取得局部最优时的xi1，xi2，xi3对应的数值；Pg1，Pg2，Pg3分别为取得全局最优时的Pi1，Pi2，Pi3；步骤2.5，利用下列公式更新粒子群的速度和位置： 其中，r1和r2均为0-1区间的随机数；表示更新后的第i个粒子的位置；表示更新后的第i个粒子的速度；表示更新前的第i个粒子的位置；Pij表示更新前的个体极值；表示更新前的第i个粒子的速度；j表示迭代次数；步骤2.6，判断是否达到终止迭代次数，如果判断没有达到终止迭代次数，则返回步骤2.3；否则，得到最优参数对c，g取值；所述步骤3中，利用步骤1得到的初始数据集分别对月度平均温度、月度平均电价以及月度GDP这三个特征参量构建各自对应的二阶灰色预测模型的方法一致，具体方法如下：步骤3.1，设定原始数据集序列为其中，为第t个月度的第k个特征参量值，t＝1，2，…，n，n表示共有n个月度，k＝1，2，3，且k＝1表示月度平均温度，k＝2表示月度平均电价，k＝3表示月度GDP；利用一阶缓冲算子对原始数据集进行处理，得到一阶缓冲算子序列，记为：其中，第t个月度的第k个特征参量值的一阶缓冲算子结果为： 步骤3.2，对步骤3.1所述一阶缓冲算子序列进行一次累加运算，得到一次累加序列，记为：其中，第t个月度的第k个特征参量值的一次累加结果为：q表示第q个月度；步骤3.3，对步骤3.2得到的累加序列作一次累差，得到一次累差序列，记为：其中，第t个月度的第k个特征参量值的一次累差结果为：步骤3.4，对一次累差序列进行二次累差，得到二次累差序列记为其中，第t个月度的第k个特征参量值的二次累差结果为：步骤3.5，一阶缓冲算子序列满足二阶微分方程：利用最小二乘法求解二阶微分方程参数ak，bk和uk；其中，二阶微分方程参数ak，bk和uk通过下式计算得到：[ak，bk，uk]T＝[XkTXk]-1XkTYk；矩阵Xk和矩阵Yk是由下式计算得到： 步骤3.6，基于求解出的二阶微分方程参数ak，bk和uk，还原二阶微分方程即得到第k个特征参量对应的二阶灰色预测模型的表达式。

全文数据：

权利要求：

百度查询： 国网江苏省电力有限公司;江苏电力交易中心有限公司 一种基于POFP-SVM算法的省级月度用电量预测方法

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