[发明专利]一种包含误差修正的超短期负荷预测方法及系统

权利要求书

1.一种包含误差修正的超短期负荷预测方法，其特征在于，包括以下步骤：

获取用户负荷历史数据，所述用户负荷历史数据包括训练数据集和指定时段的测试集；

基于所述训练数据集训练Holt-Winter预测器，并基于所述Holt-Winter预测器对所述指定时段的用户负荷进行预测；基于训练数据集训练Holt-Winter预测器包括：

利用粒子群算法，以预测结果的均方根误差最小作为目标，优化Holt-Winter预测器的参数，获得Holt-Winter预测器；

根据所述指定时段的预测值和测试集，得到误差预测训练集；所述预测值为优化后的Holt-Winter预测器这一主预测模型对指定时段的用户负荷进行预测后得到的预测值；

基于误差预测训练集训练基于超限学习机的误差预测器；

基于Holt-Winter预测器和误差预测器得到组合预测模型，进行负荷预测；基于组合预测模型进行负荷预测包括：

接收负荷预测所需数据，基于Holt-Winter预测器进行负荷预测，并得到预测误差；

将预测误差作为误差预测器的输入，得到Holt-Winter预测器的误差预测结果；

将Holt-Winter预测器和误差预测器的预测结果进行加权组合获得最终预测结果。

2.如权利要求1所述的一种包含误差修正的超短期负荷预测方法，其特征在于，获取用户负荷历史数据后，还对所述用户负荷历史数据进行数据稳定性校验、数据清洗和数据归一化预处理。

3.如权利要求1所述的一种包含误差修正的超短期负荷预测方法，其特征在于，所述用户负荷历史数据还包括用于测试组合预测模型的测试集。

4.一种包含误差修正的超短期负荷预测系统，其特征在于，包括：

数据获取模块，获取用户负荷历史数据，所述用户负荷历史数据包括训练数据集和指定时段的测试集；

Holt-Winter预测器构建模块，基于所述训练数据集训练Holt-Winter预测器；基于训练数据集训练Holt-Winter预测器包括：

利用粒子群算法，以预测结果的均方根误差最小作为目标，优化Holt-Winter预测器的参数，获得Holt-Winter预测器；

误差预测器构建模块，基于所述Holt-Winter预测器对所述指定时段的用户负荷进行预测，根据所述指定时段的预测值和测试集，得到误差预测训练集；基于误差预测训练集训练基于超限学习机的误差预测器；所述预测值为优化后的Holt-Winter预测器这一主预测模型对指定时段的用户负荷进行预测后得到的预测值；

负荷预测模块，基于Holt-Winter预测器和误差预测器得到组合预测模型，进行负荷预测；基于组合预测模型进行负荷预测包括：

接收负荷预测所需数据，基于Holt-Winter预测器进行负荷预测，并得到预测误差；

将预测误差作为误差预测器的输入，得到Holt-Winter预测器的误差预测结果；

将Holt-Winter预测器和误差预测器的预测结果进行加权组合获得最终预测结果。

5.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-3任一项所述的包含误差修正的超短期负荷预测方法。

6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-3任一项所述的包含误差修正的超短期负荷预测方法。