龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：国网上海市电力公司;华东电力试验研究院有限公司;上海交通大学
摘要：本发明公开了一种基于特征选择与LSSVR的短期负荷预测方法，该方法包括：获取待预测地区负荷数据、气象数据以及日历信息，并对其进行数据预处理；根据预处理后数据确定候选特征集；采用带有L1范式的LSSVR算法对候选特征集进行特征选择，并根据选择的特征得到最终的历史数据样本和未来预设时间的待预测样本的输入特征向量；确定预设时刻的待预测样本的输入特征向量与所有相应时刻的历史数据样本的输入特征向量的相似度，并根据相似度筛选出待预测样本对应的相似样本；通过相似样本训练得到LSSVR预测模型，并通过LSSVR预测模型对未来预设时间的负荷进行预测。本发明可充分利用历史负荷信息及负荷影响因素信息，提高负荷预测精度并具有较大的适用范围。
主权项：1.一种基于特征选择与LSSVR的短期负荷预测方法，其特征在于，包括：步骤S1：获取待预测地区负荷数据、气象数据以及日历信息，并对所述待预测地区负荷数据、所述气象数据和所述日历信息进行数据预处理；步骤S2：根据预处理后的数据确定作为LSSVR预测模型输入的候选特征集；步骤S3：采用带有L1范式的LSSVR算法对所述候选特征集进行特征选择，并根据选择的特征得到最终的历史数据样本和未来预设时间的待预测样本的输入特征向量；步骤S4：确定预设时刻的待预测样本的输入特征向量与所有相应时刻的历史数据样本的输入特征向量的相似度，并根据所述相似度从所述历史数据样本中筛选出所述待预测样本对应的相似样本；步骤S5：通过每个待预测样本对应的相似样本训练得到所述LSSVR预测模型，并通过所述LSSVR预测模型对未来预设时间的负荷进行预测。
全文数据：
权利要求：
百度查询： 国网上海市电力公司 华东电力试验研究院有限公司 上海交通大学 基于特征选择与LSSVR的短期负荷预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号