[发明专利]一种基于相似日法和Adaboost模型的短期电价预测方法

权利要求书

1.基于相似日法和Adaboost模型的短期电价预测方法，其特征在于，包括以下步骤：

步骤1：收集历史负荷数据、电价数据、天气数据、季节数据、节假日数据、时点数据等相关数据；

步骤2：将历史负荷数据、天气数据、季节数据、节假日数据、时点数据等相关数据作为解释变量，将电价数据作为被解释变量，构建回归模型，从模型结果得到对预测日电价具有显著影响的变量，即为所需的历史数据；

步骤3：利用模糊C-均值聚类算法对历史数据进行日属性聚类；

步骤4：以与预测日同类日期的数据构建样本集，并将样本集分为训练集和测试集；

步骤5：将训练集输入到Adaboost模型中进行学习，选择并优化模型参数，进而建立短期电价预测模型；

步骤6：将测试集输入到训练完成的Adaboost模型中，得到短期电价预测值。

2.根据权利要求1所述的基于相似日法和Adaboost模型的短期电价预测方法，其特征在于，所述步骤1中天气数据包括温度数据、降水量数据、气压数据，季节数据为是否为夏季或者冬季，节假日数据包括是否为法定节假日或周末。

3.根据权利要求1所述的基于相似日法和Adaboost模型的短期电价预测方法，其特征在于，所述步骤2中回归模型具体构建过程为：选取t-1时刻负荷Loa_t-1、电价Pri_t-1，t时刻的负荷Loa_t、温度Tem_t、气压Pre_t、季节Sea_t、节假日Hol_t、电价Pri_t，t+1时刻温度Tem_t+1、节假日Hol_t+1作为解释变量，建立t+1时刻电价Pri_t+1的线性回归模型，得到对t+1时刻电价具有显著影响的解释变量。

4.根据权利要求1所述的基于相似日法和Adaboost模型的短期电价预测方法，其特征在于，所述步骤2中回归模型为：

Pri_t+1＝α₀+α₁Loa_t-1+α₂Pri_t-1+α₃Loa_t+α₄Tem_t+α₆Rain_t+α₇Pre_t+α₈Sea_t+α₉Hol_t+α₁₀Pri_t+α₁₁Tem_t+1+α₁₂Hol_t+1+ε_t

式中α₀为常数项，α_i(i＝1～12)为系数，ε_t为随机扰动项。

5.根据权利要求1所述的基于相似日法和Adaboost模型的短期电价预测方法，其特征在于，所述步骤3包括：

(1)建立样本输入矩阵；

(2)设定聚类个数f(2≤f≤n),随机生成隶属度函数u_ij(且)和迭代目标精度ε；

(3)选取欧氏距离d_ij作为判定样本点与聚类中心距离的条件，对预测日与历史数据进行日属性聚类。

6.根据权利要求1所述的基于相似日法和Adaboost模型的短期电价预测方法，其特征在于，所述步骤5中Adaboost模型为前向分布的加法算法模型。