一种基于代表数据重构的增量SVR负荷预测方法

摘要

本发明公开了一种基于代表数据重构的增量SVR负荷预测方法，包括：获取电力负荷数据；利用相空间重构原理得到多输入‑单输出模式数据；利用所得模式数据和粒子群算法建立支持向量回归模型；实时获取新增的电力负荷预测数据；利用增量学算法更新最优代表数据子集；利用嵌套粒子群方法更新模型参数；利用更新后的模型参数和最优代表数据子集建立支持向量回归模型；确定增量负荷预测并输出增量负荷预测值。本发明将支持向量回归的支持向量应用于海量数据的知识理解研究，提出的方法能够实现新增数据引起的代表数据重构，有效解决了海量数据计算复杂性高、难以提取知识的问题，嵌套地实现了模型参数的更新，为电力系统规划与运行提供参考依据。

主权项

一种基于代表数据重构的增量SVR负荷预测方法，其特征在于，包括：S1，使用相空间重构分析历史电力负荷数据，得到电力负荷数据的嵌入维和时延，得到多输入‑单输出模式数据；S2，利用最优训练子集方法和粒子群方法，使用支持向量回归对历史电力负荷数据建模，得到电力负荷代表数据和支持向量回归的模型参数，根据该代表数据和支持向量回归的模型参数获取此时的电力负荷预测结果；S3，获取新的电力负荷数据，根据该多输入‑单输出模式数据，采用代表数据重构方法更新该代表数据；并重新执行S3。