[发明专利]一种变量选择与高斯过程回归的短期负荷预测方法

摘要

本发明公开一种基于变量选择与高斯过程回归的短期负荷预测方法，包括以下步骤1)对样本数据进行坏数据剔除、补充以及归一化预处理；2)从历史负荷、温度和湿度、预测日日期类型等角度选取候选输入变量，通过随机森林算法计算各变量重要性评分并排序；3)结合高斯过程回归模型，采用序列前向搜索策略确定最优变量集合；4)基于确定的最优变量集合训练高斯过程回归模型，并利用改进粒子群算法优化模型参数；5)在测试集中验证模型的预测性能。本发明提供的方法有效地提高了预测精度，能够较好地解决电力系统负荷预测问题。

主权项

一种基于变量选择与高斯过程回归的短期负荷预测方法，其特征在于：包括以下步骤：(1)获取电力系统负荷预测所需的基本数据：历史负荷数据、温度和湿度气象数据、预测日日期类型数据；(2)对样本数据进行坏数据剔除、补充以及归一化预处理，将样本数据尺度变换到区间[0,1]内；(3)从历史负荷、温度和湿度、预测日日期类型等角度选取候选输入变量，通过随机森林算法计算各变量重要性评分并排序；(4)设置初始最优变量集合为空集，通过逐一添加重要性评分最高的输入变量并利用高斯过程回归模型计算其预测准确率，由预测误差最小可确定最优变量集合；(5)基于确定的最优变量集合训练高斯过程回归模型，并利用改进粒子群算法优化模型参数；(6)在测试集中验证模型的预测性能。