一种电采暖负荷预测支持向量回归机模型的参数优化方法技术

本发明专利技术提供一种电采暖负荷预测支持向量回归机模型的参数优化方法，该方法包括：首先将影响电采暖负荷的相关因素进行分析和预处理，将预处理后的数据分为训练数据和测试数据；其次利用支持向量回归机的良好非线性映射特性，提出建立一种用于短期电采暖负荷预测的支持向量回归机模型的方法；最后进行SVR模型参数分析与选择，设计了一种基于PSO优化的电采暖负荷SVR预测模型。该优化方法可以显著提升SVR模型预测精度，大幅度缩短建模时间。同时该方法建立的模型相比常见电采暖负荷线性预测模型具备更快效率和更高的准确性，可用于有效指导电采暖设备精细化管理。

A parameter optimization method of support vector regression model for electric heating load forecasting

【技术实现步骤摘要】
一种电采暖负荷预测支持向量回归机模型的参数优化方法
本专利技术涉及居民采暖煤改电工作下的电采暖用户负荷趋势预测方法，具体涉及一种电采暖负荷预测支持向量回归机模型的参数优化方法。
技术介绍
准确的电采暖负荷预测是实现“按需供热”的前提，也是实现“节能减排”的前提。建立室外温度—负荷线性模型不能实现准确预测，也不能实现集中供热系统的“按需供热”。此外，热负荷受多种因素的影响。因此，需要考虑和分析其他影响因素，建立非线性模型，以满足调度要求的预测精度，实现供热行业的定量管理。随着信息化的发展，供热企业可以实时存储供热数据，准确获取气象条件，为热负荷预测的相关研究提供条件。此外，当前电采暖用户负荷运行情况无法进行实时监测。发生突发安全事件不能提前预警，只能事后补救，无法保证用户安全可靠供暖的要求。因此有必要通过对营销各业务系统中电采暖用户相关数据进行分析，结合电采暖设备相关信息，构建电采暖用户负荷预测模型，实时在线监测用户电采暖使用情况，对可能存在的隐患进行预警，辅助推进企事业单位与居民采暖“煤改电”工作，以降低直燃散煤的采暖方式对大气造成的污本文档来自技高网...

【技术保护点】
1.一种电采暖负荷预测支持向量回归机模型的参数优化方法，其特征在于，包括以下步骤：/nS1将影响电采暖负荷的相关因素进行数据分析和预处理，将预处理后的数据分为训练数据和测试数据；/nS2利用支持向量回归机的良好非线性映射特性，建立用于电采暖负荷预测的支持向量回归模型的方法；/nS3进行SVR模型参数分析与选择，利用粒子群算法识别处理后的训练数据，得到最优参数(C,g)，并执行SVR算法输出预测值，最终与SVR及其他方法比较，验证方法的有效性。/n

【技术特征摘要】
1.一种电采暖负荷预测支持向量回归机模型的参数优化方法，其特征在于，包括以下步骤：
S1将影响电采暖负荷的相关因素进行数据分析和预处理，将预处理后的数据分为训练数据和测试数据；
S2利用支持向量回归机的良好非线性映射特性，建立用于电采暖负荷预测的支持向量回归模型的方法；
S3进行SVR模型参数分析与选择，利用粒子群算法识别处理后的训练数据，得到最优参数(C,g)，并执行SVR算法输出预测值，最终与SVR及其他方法比较，验证方法的有效性。


2.根据权利要求1所述的一种电采暖负荷预测支持向量回归机模型的参数优化方法，其特征在于，步骤S1中所述影响电采暖负荷的相关因素分为两大类：随机因素和非随机因素；
所述非随机因素是影响电采暖负荷的变化的确定性因素，包括气象因素、日期因素以及社会因素；
所述随机因素是电采暖设备加热过程中可能出现的设备故障等特殊情况，对加热影响大；在供暖过程中出现一些特殊情况，包括设备故障、特定地点的特定活动，归因于随机误差项。


3.根据权利要求1所述的一种电采暖负荷预测支持向量回归机模型的参数优化方法，其特征在于，步骤S1中所述的数据预处理包括相关性分析和异常值剔除。


4.根据权利要求2所述的一种电采暖负荷预测支持向量回归机模型的参数优化方法，其特征在于，所述气象因素包括室外温度、湿度、太阳辐射强度、天气条件和风向风速；除室外温度外，天气条件还表示湿度和太阳辐射强度参数；以室外温度和天气条件为输入变量，通过天气预报得到室外温度，得到具体的定量值，通过定性分类对天气条件值进行量化；天气条件分为晴、多云、多云、小雨、雨、小雪、中雪和大雪，量化值分别为1、0.9、0.8、0.7、0.6、0.3、0.2和0.1；
所述日期因素包括工作日、周末和假日，量化值分别为1、1.5和2；
所述社会因素预测中未考虑其影响。


5.根据权利要求1所述的一种电采暖负荷预测支持向量回归机模型的参数优化方法，其特征在于，步骤S2中所述的建立支持向量回归模型方法是引入核函数K(xi,xj)，将低维空间的非线性问题转化为高维空间的线性问题；
假设一组给定的训练样本T＝{(x1,y1),...,(xn,yn)}，xi,yi∈R，在高维空间H构造回归函数为
F＝{f|f(x)＝ωTφ(x)+b,ω∈Rn}
ω为权值向量，b为截距；T为给定训练集；φ(x)为Rn空间到Hilbert空间的变换；n为Rn空间维数。


6.根据权利要求5所述的一种电采暖负荷预测支持向量回归机模型的参数优化方法，其特征在于，引...

【专利技术属性】
技术研发人员：冯剑，张凯，孙胜博，董增波，刘建华，李冰，崔威，陈宋宋，李德智，陈珂，宫飞翔，
申请(专利权)人：国网河北省电力有限公司，国网河北省电力有限公司电力科学研究院，国家电网有限公司，中国电力科学研究院有限公司，
类型：发明
国别省市：河北;13