[发明专利]一种基于集成学习的短期电力负荷预测方法无效
| 申请号： | 201110212852.3 | 申请日： | 2011-07-27 |
| 公开（公告）号： | CN102270309A | 公开（公告）日： | 2011-12-07 |
| 发明（设计）人： | 李元诚;陈普 | 申请（专利权）人： | 华北电力大学 |
| 主分类号： | G06K9/66 | 分类号： | G06K9/66;H02J3/00 |
| 代理公司： | 北京众合诚成知识产权代理有限公司 11246 | 代理人： | 黄家俊 |
| 地址： | 102206 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了短期电力负荷预测技术领域中的一种基于集成学习算法的短期电力负荷预测方法。本发明首先对电力负荷进行数据预处理，构建负荷预测的训练样本集和测试样本集；然后用密母优化算法寻找核向量回归学习器的最优初始参数值，并对训练样本集进行训练，进而求得子学习器模型；之后由子学习器模型加权组合得到预测模型，通过预测模型对测试样本集进行预测，并根据均方根相对误差作为判断预测模型精度的条件，依据精度确定是否需要增加新的子学习器，最终得到满足精度要求的实际预测模型；最后用实际预测模型对未来一周的负荷进行预测。本发明方法具有模型简单、预测精度高、预测速度快等优点。 | ||
| 搜索关键词： | 一种 基于 集成 学习 短期 电力 负荷 预测 方法 | ||
【主权项】：
一种基于集成学习的短期电力负荷预测方法，其特征是该方法包括以下步骤：步骤1：对电力负荷进行数据预处理；步骤2：构建电力负荷预测的训练样本集和测试样本集；步骤3：用密母优化算法寻找核向量回归学习器的最优初始参数值；步骤4：在步骤3的基础上采用集成学习算法并对训练样本集进行训练，进而求得子学习器模型；步骤5：由子学习器模型加权组合得到预测模型，通过预测模型对测试样本集进行预测求得均方根相对误差，进而得到满足精度要求的实际预测模型；步骤6：用实际预测模型对未来一周的负荷进行预测。
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华北电力大学，未经华北电力大学许可，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/201110212852.3/，转载请声明来源钻瓜专利网。
