[发明专利]一种基于大数据简约的短期电力负荷预测方法

摘要

本发明提供一种基于大数据简约的短期电力负荷预测方法，所述方法包括：首先利用Lasso原理将大数据中冗余数据和坏数据进行剔除，然后通过主成分分析PCA对环境因素变量进行降维及特征提取。提取的特征向量以及简约处理后的历史负荷数据共同作为Elman神经网络的输入进行训练预测。本发明方法明显提高了短期电力负荷的预测精度和速度。

主权项

一种基于大数据简约的短期电力负荷预测方法，其特征在于，所述方法包括以下步骤：步骤1，选择预测日之前的n个同类型日期的采样点负荷序列；每个日期的采样点为48点，即每30min采样一次；步骤2，获取选择n个同类型日期及预测日的影响负荷相关天气因素数据；步骤3，利用最小绝对值收缩(Lasso)原理将获取的原始电力负荷及相关天气因素大数据进行高维数据简约，剔除坏数据，获得有用的负荷序列；步骤4，通过主成分分析(PCA)对天气环境因素变量进行降维及特征提取，获取环境特征因子；步骤5，建立Elman动态神经网络短期电力负荷预测模型，将提取的特征向量以及历史负荷数据共同作为Elman神经网络的输入进行训练预测，通过Elman方法预测第n+1天的各时刻的负荷值。