[发明专利]一种电力系统数据挖掘与预测整合方法在审
| 申请号： | 201810333780.X | 申请日： | 2018-04-13 |
| 公开（公告）号： | CN108596781A | 公开（公告）日： | 2018-09-28 |
| 发明（设计）人： | 何晓峰;程维杰;翁毅选;张炀 | 申请（专利权）人： | 深圳供电局有限公司 |
| 主分类号： | G06Q50/06 | 分类号： | G06Q50/06;G06Q10/04 |
| 代理公司： | 深圳汇智容达专利商标事务所(普通合伙) 44238 | 代理人： | 潘中毅;熊贤卿 |
| 地址： | 518000 广东省深圳市*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种电力系统数据挖掘与预测整合方法，其基于独立成分分析与支持向量机回归的结合。该方法包括输入训练样本数据并使用ICA进行特征提取；PSO初始化，设定加速因子c1和c2，惯性权值w，最大进化代数Tmax，将当前进化代数置为t，在定义空间Rn中随机产生S个粒子组成初始种群X(t)；评价初始种群X(t)；结束条件满足则寻优结束，转至下一步骤；将寻找到的粒子最优位置即最优参数向量C、σ、ε赋给SVR；用经过ICA特征提取后的训练样本集对SVR进行训练，实现预测模型的构建；利用所建立的预测模型和预测样本进行预测。本发明建立的电力系统数据挖掘与预测整合方法，能减少预测变量中干扰信号对预测模式构建时的影响，提高支持向量回归的预测效果。 | ||
| 搜索关键词： | 预测 电力系统数据 整合 初始种群 特征提取 预测模型 构建 挖掘 独立成分分析 训练样本数据 支持向量回归 最大进化代数 训练样本集 支持向量机 中干扰信号 定义空间 加速因子 结束条件 进化代数 粒子组成 随机产生 预测模式 最优参数 最优位置 初始化 权值w 向量 寻优 粒子 样本 回归 | ||
【主权项】：
1.一种电力系统数据挖掘与预测整合方法，其特征在于，该方法包括如下步骤：步骤S101，输入训练样本数据，对训练样本数据使用独立成分分析方法(ICA)进行特征提取；步骤S102，粒子群优化(PSO)初始化，设定加速因子c1和c2，惯性权值w，最大进化代数Tmax，将当前进化代数置为t，在定义空间Rn中随机产生S个粒子x1,x2,…,xs，组成初始种群X(t)；步骤S103，评价初始种群X(t)；步骤S104，检查结束条件是否满足，若满足，则寻优结束，转至步骤S105；步骤S105，将寻找到的粒子最优位置，即最优参数向量C、σ、ε赋给支持向量回归(SVR)，其中C为修正系数，σ为核参数，ε为预测误差；步骤S106，用经过独立成分分析方法(ICA)特征提取后的训练样本集对支持向量回归(SVR)进行训练，实现预测模型的构建；步骤S107，利用所建立的预测模型和预测样本进行预测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于深圳供电局有限公司，未经深圳供电局有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810333780.X/，转载请声明来源钻瓜专利网。
