[发明专利]一种短时负荷预测方法及装置

权利要求书

1.一种短时负荷预测方法，其特征在于，包括：

获取包括环境数据及对应负荷数据的历史数据，并利用非参数概率密度函数估计建立所述环境数据及所述负荷数据之间的关系；

基于所述关系获取所述历史数据中的自适应遗忘因子，构建基于所述自适应遗忘因子的时变Cook距离统计量；

利用所述时变Cook距离统计量对所述历史数据中的负荷数据进行检测，如果检测出异常数据，则利用非参数概率密度函数估计基于所述异常数据对应的环境数据对所述异常数据进行修复；

对修复完成的所述异常数据及其他所述历史数据进行训练得到对应的负荷预测模型，并运用MCSO算法对所述负荷预测模型进行优化，以利用该负荷预测模型实现短时负荷预测。

2.根据权利要求1所述的方法，其特征在于，获取包括环境数据及对应负荷数据的历史数据，包括：

获取包括环境数据及对应负荷数据的历史数据，其中所述环境数据包括湿度数据及温度数据。

3.根据权利要求2所述的方法，其特征在于，基于所述关系获取所述历史数据中的自适应遗忘因子，包括：

利用递归最小二乘法基于所述关系获取所述历史数据中的自适应遗忘因子。

4.根据权利要求1所述的方法，其特征在于，对修复完成的所述异常数据及其他所述历史数据进行训练得到对应的负荷预测模型，包括：

利用ORELM对修复完成的所述异常数据及其他所述历史数据进行训练得到对应的负荷预测模型。

5.一种短时负荷预测装置，其特征在于，包括：

处理模块，用于：获取包括环境数据及对应负荷数据的历史数据，并利用非参数概率密度函数估计建立所述环境数据及所述负荷数据之间的关系；

构建模块，用于：基于所述关系获取所述历史数据中的自适应遗忘因子，构建基于所述自适应遗忘因子的时变Cook距离统计量；

修复模块，用于：利用所述时变Cook距离统计量对所述历史数据中的负荷数据进行检测，如果检测出异常数据，则利用非参数概率密度函数估计基于所述异常数据对应的环境数据对所述异常数据进行修复；

训练模块，用于：对修复完成的所述异常数据及其他所述历史数据进行训练得到对应的负荷预测模型，并运用MCSO算法对所述负荷预测模型进行优化，以利用该负荷预测模型实现短时负荷预测。

6.根据权利要求5所述的装置，其特征在于，所述处理模块包括：

获取单元，用于：获取包括环境数据及对应负荷数据的历史数据，其中所述环境数据包括湿度数据及温度数据。

7.根据权利要求6所述的装置，其特征在于，所述构建模块包括：

构建单元，用于：利用递归最小二乘法基于所述关系获取所述历史数据中的自适应遗忘因子。

8.根据权利要求5所述的装置，其特征在于，所述训练模块包括：

训练单元，用于：利用ORELM对修复完成的所述异常数据及其他所述历史数据进行训练得到对应的负荷预测模型。