CN107016469-CN201710240575-电力负荷预测方法.pdfVIP

CN107016469-CN201710240575-电力负荷预测方法.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
CN107016469-CN201710240575-电力负荷预测方法

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 107016469 A (43)申请公布日 2017.08.04 (21)申请号 201710240575.4 (22)申请日 2017.04.13 (71)申请人 重庆大学 地址 400030 重庆市沙坪坝区沙正街174号 (72)发明人 张程 杨蕊 朱庆生 周宁  (74)专利代理机构 重庆市前沿专利事务所(普 通合伙) 50211 代理人 顾晓玲 (51)Int.Cl. G06Q 10/04(2012.01) G06N 3/12(2006.01) G06Q 50/06(2012.01) 权利要求书2页 说明书10页 附图4页 (54)发明名称 电力负荷预测方法 (57)摘要 本发明公开了一种电力负荷预测方法,该方 法包括以下步骤:获取历史日数据,形成评价矩 阵M ,m 表示在评价矩阵M 中第i个评价对象第 nm ij nm j项指标的指标值;将评价矩阵M 进行线性变换 nm 归一化处理,得到归一化矩阵S ;计算矩阵S 中 nm nm 每个指标的相似日特征权值;计算预测日与历史 日之间的关联度;对评价对象按照关联度由大到 小进行排序,选取前W组评价对象作为预测算法 的训练样本;利用遗传算法对预测算法进行改 进,对预测算法的权值和阈值进行寻优,计算出 最优的权值和阈值进行训练;将预测日信息输入 优化预测算法中,将输出值经过反归一化后获得 A 预测日的电力负荷值。本发明能够根据历史日相 9 关数据预测下一天的电力负荷。 6 4 6 1 0 7 0 1 N C CN 107016469 A 权 利 要 求 书 1/2 页 1.一种电力负荷预测方法,其特征在于,包括以下步骤: S1,获取历史日和预测日数据,形成评价矩阵M ,所述n为自然数,m为正整数,m 表示在 nm ij 评价矩阵M 中第i个评价对象第j项指标的指标值,m 表示在评价矩阵M 中待评价对象第j nm 0j nm 项指标的指标值,所述i为不大于n的正整数,j为不大于m的正整数; S2,对评价矩阵M 进行线性变换归一化处理,得到矩阵S ; nm nm S3,计算矩阵S 中每项指标的相似日特征权值; nm S4,计算预测日与历史日之间的关联度; S5,对评价对象按照关联度由大到小进行排序,选取前W组评价对象作为预测算法的训 练样本,所述W为不大于n的正整数; S6,利用遗传算法对预测算法进行改进,对预测算法的权值和阈值进行寻优,计算出最 优的权值和阈值进行训练; S7,将预测日信息输入优化预测算法中,将输出值经过反归一化后获得预测日的电力 负荷值; S8,将预测出的电力负荷值,显示在预测页面,供电力系统电力调度部门查看,作为下 一天电力负荷调整的依据。 2.根据权利要求1所述的电力负荷预测方法,其特征在于,在步骤S2中,线性变换归一 化处理的计算

您可能关注的文档

文档评论(0)

18273502 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档