[发明专利]一种基于子抽样SVR集成的短期电力负荷预测方法

权利要求书

1.一种基于子抽样SVR集成的短期电力负荷预测方法，其特征在于，所述基于子抽样SVR集成的短期电力负荷预测方法包括：设置初始参数；基于群智能优化进行各个集成支持向量回归子模型的模型选择和参数选择；确定子抽样SVR集成模型的估计统计量；估计基于子抽样的SVR蒙特卡罗模拟生成方差；输出最优参数及相应的子抽样SVR集成模型；

所述设置初始参数包括集成规模参数B_n、子抽样尺寸s_n；

所述基于群智能优化进行各个集成支持向量回归子模型的模型选择和参数选择：

v_i(h+1)＝rand()₁*v_i(h)+c₁(h)*rand()₂*(p_i-x_i(h))+c₂(h)*rand()₃*(p_g-x_i(h))；

x_i(h+1)＝x_i(h)+v_i(h+1)；

其中：p_i是局部最优位置，p_g是全群最优位置；rand()1，rand()2，rand()3是均匀分布随机数，c1，c2是权重参数，v_i(h+1)表示在h+1时刻，第i个粒子的速度方程；v_i(h)表示在h时刻，第i个粒子的速度方程；x_i(h+1)表示在h+1时刻，第i个粒子的位置方程；x_i(h)表示在h时刻，第i个粒子位置方程；生成各个子集成模型的最优参数，形成参数的专家库；

所述子抽样SVR集成模型的估计统计量为：

其中B_n是集成规模参数，x*为测试样本；j表示第j个子样本；

所述子抽样SVR集成模型为：

其中表示训练样本。

2.如权利要求1所述的基于子抽样SVR集成的短期电力负荷预测方法，其特征在于，所述估计基于子抽样的SVR蒙特卡罗模拟生成方差如下：

基于子抽样的SVR蒙特卡罗模拟方法具体步骤如下：

输入：整个训练数据；

s_n：子抽样尺寸，B_n：集成规模参数；

B_n个训练子样本；

输出：的点估计，方差估计；

为测试样本的最终估计，为方差估计，为最终的估计值；

1)for循环，对所有的正整数i，1≤i≤B_n做如下工作；

2)从训练数据中选择s_n的子样本S_i,j

3)使用样本S_i建立个体SVR

4)利用SVR在x*进行预测：SVR_i(x*)

5)结束for循环

6)计算蒙特卡洛模拟的平均数：

7)计算样本方差：

8)返回和

3.如权利要求1所述的基于子抽样SVR集成的短期电力负荷预测方法，其特征在于，进一步包括：

输入：整个训练数据；

s_n：子抽样样本容量，B_n：集成规模参数；

B_n个训练子样本；

输出：测试样本的最终估计；B_n个个体集成的集合；

测试样本的最终估计的点估计，方差估计；

1)For循环，对每个正整数j，1≤j≤B_n，并行做；

2)基于第j个子样本和共享模型选择构建第j个SVR；

3)用第j个SVR对测试样本x*进行预测；

4)End

5)计算B_n个预测值的平均值作为最终的估计值

返回SVR_j,j＝1,...,B_n。