基于特征选择与LSSVR的短期负荷预测方法

    公开(公告)号:CN114581141A

    公开(公告)日:2022-06-03

    申请号:CN202210220703.X

    申请日:2022-03-08

    IPC分类号: G06Q30/02 G06Q10/04 G06Q50/06

    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。