一种人工智能在季节性负荷预测中的应用方法.pdf

(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 110991723 A (43)申请公布日 2020.04.10 (21)申请号 201911182133.4 (22)申请日 2019.11.27 (71)申请人 河海大学 地址 210098 江苏省南京市鼓楼区西康路1 号 (72)发明人 王冰　张秋桥　王敏　张鹏　 (74)专利代理机构 南京纵横知识产权代理有限 公司 32224 代理人 董建林 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06N 3/08(2006.01) 权利要求书3页 说明书15页 附图4页 (54)发明名称 一种人工智能在季节性负荷预测中的应用 方法 (57)摘要 本发明公开了一种人工智能在季节性负荷 预测中的应用方法，首先基于剔除趋势负荷的方 法类获得气象负荷数据，采用最小二乘拟合来获 得线性的趋势负荷函数，将原始负荷序列减去趋 势负荷作为气象负荷数据；然后，应用FCM聚类算 法对样本数据进行聚类分析，共得到三种不同类 型的训练样本；接着，建立温度修正模型，考虑到 夏季高温天气的气温累积效应，有必要对高温天 气的最高温度进行温度修正；最后，建立PSO-ELM 负荷预测模型，将粒子群优化算法(PSO)与极限 学习机(ELM)相结合，有效的提高了负荷预测的 A 精度，具有重要的实际应用价值。 3 2 7 1 9 9 0 1 1 N C CN 110991723 A 权　利　要　求　书 1/3页 1.一种人工智能在季节性负荷预测中的应用方法，其特征在于，所述方法包括如下步 骤： 将获取的气象负荷数据作为样本数据； 对样本数据进行聚类分析； 将聚类分析得到的数据输入预构建的温度修正模型； 将温度修正模型的结果输入预构建的负荷预测模型中得到预测结果。 2.根据权利要求1所述的一种人工智能在季节性负荷预测中的应用方法，其特征在于： 所述气象负荷数据的获取方法包括如下步骤： 获取原始负荷记录，提取原始负荷序列； 根据基础负荷以及线性趋势系数得到趋势负荷， 公式为： E ＝at+b； e 式中，t表示时间变量，a为线性趋势系数，b为基础负荷； 将原始负荷序列减去趋势负荷得到气象负荷，通过下式得到： E ＝E-E ； m e 式中，E表示气象负荷，E 为趋势负荷，E表示原始负荷序列。 m e 3.根据权利要求1所述的一种人工智能在季节性负荷预测中的应用方法，其特征在于： 对样本数据进行聚类分析的方法包括如下步骤： 设置初始化参数，包括： (0) 初始化聚类中心V＝V ,迭代计数器T＝0，模糊权重指数m＝2； (t) 计算模糊隶属度矩阵U ； 可通过下式得到： 式中，u 为样本z 隶属于第j类的模糊隶属度，0≤u ≤1， d 表示样本z 到第j ij i ij ij i 类聚类中心v 的欧式距离，可通过下式得到： j 目标函数：