[发明专利]一种基于fisher信息处理短期负荷预测特征输入量的选择方法

权利要求书

1.一种基于fisher信息处理短期负荷预测特征输入量的选择方法，其特征在于：包括以下步骤：

步骤1：读取历史样本数据，所述历史数据为电力部门提供的负荷数据和气象数据；

步骤2：对步骤1中的数据进行处理，获取共m天的日最高负荷数据，每日的最高负荷都有n个影响因素，得到判断矩阵X；

步骤3：对步骤2中获得的判断矩阵X进行无量纲化处理，得到标准化矩阵

R＝(r_ij)_m×n；

步骤4：以步骤3中标准化矩阵R＝(r_ij)_m×n为基础，计算出第j个影响因素的Fisher信息权FIW_j；

步骤5：对第j个影响因素使用步骤4所获得的与其相应的Fisher信息权FIW_j进行加权处理，得到Fisher信息权加权影响因素后的输入量；

步骤6：将上述得到的Fisher信息权加权影响因素后的输入量作为人工智能预测模型最终的输入层变量用来进行负荷预测。

2.根据权利要求1所述的一种基于fisher信息处理短期负荷预测特征输入量的选择方法，其特征在于：所述步骤2中判断矩阵：

其中，(x₁₁,…,x_m1)为某一种影响因素m天的对应数据，(x₁₁,…,x_1n)为某一天内n种影响因素的对应数据。

3.根据权利要求1所述的一种基于fisher信息处理短期负荷预测特征输入量的选择方法，其特征在于：所述步骤3中无量纲化处理过程为：

rij=xxmax;]]>

其中：r_ij为影响因素值无量纲化处理后的数值，x为影响因素值，x_max为影响因素的最大值，得到标准化矩阵R＝(r_ij)_m×n，矩阵中各元素规格化到(0,1)区间。

4.根据权利要求1所述的一种基于fisher信息处理短期负荷预测特征输入量的选择方法，其特征在于：所述步骤4中计算n种影响因素的Fisher信息权FIW_j具体过程为：

以某种影响因素m天的对应数据为单位分别直接计算出n种影响因素的对应Fisher信息值FI_j，根据

FIWj=1-FIjn-Σj=1nFIj]]>

计算出j个影响因素的Fisher信息权FIW_j。

5.根据权利要求1所述的一种基于fisher信息处理短期负荷预测特征输入量的选择方法，其特征在于：所述步骤5中计算Fisher信息权加权影响因素后的输入量具体过程为：

Fisher信息权加权影响因素后的输入量＝FIW_j*相应的影响因素值。

6.根据权利要求1所述的一种基于fisher信息处理短期负荷预测特征输入量的选择方法，其特征在于：所述步骤6中人工智能预测模型为BP神经网络模型。