一种短期居民负荷的自适应区间预测方法技术

本发明专利技术公开一种短期居民负荷的自适应区间预测方法，所述预测方法包括以下步骤：收集处理数据，建立负荷区间的上限以及下限预测模型；通过参数变换削减有偏凸损失函数的超参数个数，并将其作为优化上限预测模型和下限预测模型参数的损失函数，在提出的自适应更新策略的迭代调整下，实现损失函数超参数的自动寻优，求解最小化损失函数；根据最小化损失函数构建达到期望覆盖率且平均预测区间宽度最窄的最优预测区间；通过将单边覆盖率指标融入提出的自适应更新策略，进一步提升模型的预测性能和稳定性。本发明专利技术预测方法，构建上下限预测模型，基于单边覆盖率调整损失函数的超参数，通过参数变换，简化超参数个数，显著降低了超参数调整难度。参数调整难度。参数调整难度。

【技术实现步骤摘要】
一种短期居民负荷的自适应区间预测方法


[0001]本专利技术涉及电力负荷预测
，具体是一种短期居民负荷的自适应区间预测方法。

技术介绍

[0002]短期居民负荷预测是电力负荷预测的重要组成部分，其对计算效率、迭代频率和预测准确率有较高的要求。准确的短期居民负荷预测对于电网安全稳定调度具有重要意义。现有大多数研究主要关注于负荷点预测，其只能提供一个确定的点预测结果，缺失对负荷数据不确定性的评估，使决策工作面临风险。因此，反映负荷波动范围和不确定度的基于一定置信度的预测区间能够合理地描述负荷的未来变化趋势。
[0003]目前，随着数据量的快速增长，深度学习的方法在负荷预测领域得到广泛应用，其能够更好地从海量数据中提取出有益信息。构建高质量预测区间，大量超参数限制了其计算效率。
[0004]针对上述现有问题，现提出一种短期居民负荷的自适应区间预测方法。

技术实现思路

[0005]本专利技术的目的在于提供一种短期居民负荷的自适应区间预测方法，解决上述
技术介绍
中现有缺少对负荷数据不稳定性评估、评估不合理、大量超参数影本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种短期居民负荷的自适应区间预测方法，其特征在于，所述预测方法包括以下步骤：步骤一、收集处理数据，建立负荷区间的上限以及下限预测模型；步骤二、通过参数变换削减有偏凸损失函数的超参数个数，并将其作为优化上限预测模型和下限预测模型参数的损失函数，在提出的自适应更新策略的迭代调整下，实现损失函数超参数的自动寻优，求解最小化损失函数；步骤三、根据最小化损失函数构建达到期望覆盖率且平均预测区间宽度最窄的最优预测区间；步骤四、通过将单边覆盖率指标融入提出的自适应更新策略，进一步提升模型的预测性能和稳定性。2.根据权利要求1所述的一种短期居民负荷的自适应区间预测方法，其特征在于，所述步骤一中上限预测模型为下限预测模型为E(
·
)为改进的有偏凸损失函数，P
u
和P
l
分别为上限预测模型和下限预测模型的网络参数，Ω
u
和Ω
l
分别为上限预测模型和下限预测模型损失函数的超参数，Ω
u
＝{W
u
,c
u
}和Ω
l
＝{W
l
,c
l
}，W
u
、c
u
分别为上限预测模型改进有偏凸损失函数惩罚项的权重、平移系数，W
l
、c
l
分别为下限预测模型改进有偏凸损失函数惩罚项的权重、平移系数，为区间上限的预测偏差，为区间下限的预测偏差，y
t
为第t个预测点对应的真实值，u
t
、l
t
为第t个预测点预测区间的上下限。3.根据权利要求2所述的一种短期居民负荷的自适应区间预测方法，其特征在于，所述步骤二包括预测区间覆盖率PICP为N为数据集中样本的个数，函数衡量第t个预测点的实际值y
t
是否在预测区间[l
t
,u
t
]之内，平均预测区间宽度PINAW为R为真实值的跨度，预测区间整体评价指标CWC为γ用于判断是否引入指数项，预测区间归一化均方根宽度PINRW为η1线性扩大PINRW的数值，η2为PICP的惩罚系数，PINC为测试模型时预设的预测区间期望覆盖...

【专利技术属性】
技术研发人员：龙寰，耿润昊，顾伟，
申请(专利权)人：东南大学，
类型：发明
国别省市：