[发明专利]一种用于SVR短期负荷预测的训练样本分组构造方法

摘要

一种用于SVR短期负荷预测的训练样本分组构造方法，属于智能计算与机器学习领域。该方法包括相关性分析：使用灰色关联度中的邓氏关联度分别分析每一个时间区间的负荷与其它所有时间区间负荷的关联度，形成关联度矩阵；预测问题分组：根据关联度矩阵，将负荷关联度大的时间区间分到一组；构造参考负荷矩阵；选取参考负荷构造训练样本：对负荷变化率矩阵中每一列使用最小二乘拟合做一次函数拟合，计算拟合方差；选取拟合方差较小的时间区间的负荷作为该组的预测参考负荷。本发明可以提高负荷预测精度；避免了时间复杂度高的问题；实验结果表明，使用本发明构造的训练样本训练出的短期负荷预测模型在预测精度和时间复杂度方面都有较好表现。

主权项

一种用于SVR短期负荷预测的训练样本分组构造方法，其特征在于，该方法包含步骤：（1）相关性分析使用灰色关联度中的邓氏关联度分别分析每一个时间区间的负荷与其它所有时间区间负荷的关联度，形成关联度矩阵；（2）预测问题分组根据关联度矩阵，对负荷数据进行分组，将负荷关联度大的时间区间分到一组，若某组包含的时间区间较多，则对其进行再分组；（3）构造参考负荷矩阵首先构造一个参考因素矩阵，该矩阵包括模拟预测负荷以及模拟预测负荷前x个时间区间的负荷，前y天同一个时间区间的负荷，前z周同一类型日同一时间区间的负荷。然后计算参考因素矩阵中的每一列参考负荷与第一列的模拟预测负荷之间的负荷变化率，形成负荷变化率矩阵；（4）选取参考负荷构造训练样本对负荷变化率矩阵中每一列使用最小二乘拟合做一次函数拟合，根据得出的拟合值计算拟合方差；选取拟合方差较小的时间区间的负荷作为该组的预测参考负荷。