买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网上海市电力公司;华东电力试验研究院有限公司;上海交通大学

摘要：本发明公开了一种基于特征选择与LSSVR的短期负荷预测方法，该方法包括：获取待预测地区负荷数据、气象数据以及日历信息，并对其进行数据预处理；根据预处理后数据确定候选特征集；采用带有L1范式的LSSVR算法对候选特征集进行特征选择，并根据选择的特征得到最终的历史数据样本和未来预设时间的待预测样本的输入特征向量；确定预设时刻的待预测样本的输入特征向量与所有相应时刻的历史数据样本的输入特征向量的相似度，并根据相似度筛选出待预测样本对应的相似样本；通过相似样本训练得到LSSVR预测模型，并通过LSSVR预测模型对未来预设时间的负荷进行预测。本发明可充分利用历史负荷信息及负荷影响因素信息，提高负荷预测精度并具有较大的适用范围。

主权项：1.一种基于特征选择与LSSVR的短期负荷预测方法，其特征在于，包括：步骤S1：获取待预测地区负荷数据、气象数据以及日历信息，并对所述待预测地区负荷数据、所述气象数据和所述日历信息进行数据预处理；步骤S2：根据预处理后的数据确定作为LSSVR预测模型输入的候选特征集；步骤S3：采用带有L1范式的LSSVR算法对所述候选特征集进行特征选择，并根据选择的特征得到最终的历史数据样本和未来预设时间的待预测样本的输入特征向量；步骤S4：确定预设时刻的待预测样本的输入特征向量与所有相应时刻的历史数据样本的输入特征向量的相似度，并根据所述相似度从所述历史数据样本中筛选出所述待预测样本对应的相似样本；步骤S5：通过每个待预测样本对应的相似样本训练得到所述LSSVR预测模型，并通过所述LSSVR预测模型对未来预设时间的负荷进行预测；所述步骤S3包括：步骤S31：获取若干个历史数据样本，并从所述候选特征集中选取相应的未来预设时间的若干个待预测样本，并基于所述历史数据样本和所述待预测样本建立第一样本集；步骤S32：根据所述第一样本集建立带有L1稀疏正则项的LSSVR优化问题，所述LSSVR优化问题采用如下公式表示： s.t.yi＝wTxi+b+ei,i＝1,……,l其中，J为所建立的LSSVR优化问题，w、b为回归参数，ei为拟合误差，C为惩罚系数，l个历史数据样本记为yi，选取的待预测样本记为xi；步骤S33：采用交替方向乘子法ADMM求解所述LSSVR优化问题得到一组特征解向量，并从所述特征解向量中选取大于第二预设阈值的特征值作为最终特征，以通过所述最终特征得到最终的历史数据样本和未来预设时间的待预测样本的输入特征向量。

全文数据：

权利要求：

百度查询： 国网上海市电力公司 华东电力试验研究院有限公司 上海交通大学 基于特征选择与LSSVR的短期负荷预测方法