【技术实现步骤摘要】
本专利技术属于用电负荷预测，具体涉及一种超短期电力负荷的多元回归预测方法及装置。
技术介绍
1、电力对国民经济发展有着重大影响，精准的电力负荷预测是保障配电网安全稳定运行、调度优化以及降低运营成本的重要前提。超短期负荷预测通常指对未来15min到4h内负荷值的预测，可用于确定实时电价和制定实时发电计划，其对预测精度要求较高。
2、现有的超短期电力负荷预测方法大多为基于时间序列预测的模型与机器学习模型，时间序列模型主要是对负荷数据进行回归分析与拟合，这类方法预测速度快，结构简单，因此对数据的平稳性有较高的要求，但是电力负荷数据具有较高的随机性，导致该方法的非线性回归能力较差。机器学习模型主要包括支持向量机、神经网络、集成模型等，该方法可以有效减少非线性问题带来的影响，对数据平稳性要求相对较低，因为其提取重要信息的能力，部分也可以用于时间序列工作中。但是针对超短期电力负荷预测，预测精度除了取决于模型的回归能力以外，电力数据的特征分析也至关重要，包括负荷的时间特性，周期性，以及影响负荷的一些气象因素等。
3、中国专利c...
【技术保护点】
1.一种超短期电力负荷的多元回归预测方法，其特征在于，包括：
2.根据权利要求1所述一种超短期电力负荷的多元回归预测方法，其特征在于：所述历史数据中的异常数据包括缺失值、负值、零值及离群值，所述离群值为波动变化超出历史数据变化范围的数据；对所述历史数据中的异常数据进行处理，包括：
3.根据权利要求1或2所述一种超短期电力负荷的多元回归预测方法，其特征在于，对所述待处理数据进行特征构造，得到负荷特征、时间特征及气象特征，包括：
4.根据权利要求1所述一种超短期电力负荷的多元回归预测方法，其特征在于，采用随机森林算法对所述负荷特征、时间...
【技术特征摘要】
1.一种超短期电力负荷的多元回归预测方法，其特征在于，包括：
2.根据权利要求1所述一种超短期电力负荷的多元回归预测方法，其特征在于：所述历史数据中的异常数据包括缺失值、负值、零值及离群值，所述离群值为波动变化超出历史数据变化范围的数据；对所述历史数据中的异常数据进行处理，包括：
3.根据权利要求1或2所述一种超短期电力负荷的多元回归预测方法，其特征在于，对所述待处理数据进行特征构造，得到负荷特征、时间特征及气象特征，包括：
4.根据权利要求1所述一种超短期电力负荷的多元回归预测方法，其特征在于，采用随机森林算法对所述负荷特征、时间特征及气象特征进行重要性分析，确定特征子集，包括：
5.根据权利要求4所述一种超短期电力...
【专利技术属性】
技术研发人员：潘连荣，李培恺，傅源，吕嘉，张元胜，李嘉安，凌武能，宁阳天，胡宇阳，李健涛，
申请(专利权)人：广西电网有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。