[发明专利]一种基于自适应提升算法预测短期电力负荷的系统模型

权利要求书

1.本发明一种基于自适应提升算法预测短期电力负荷的系统模型的特征在于，包括：

1)通过测量或取得历史数据的方式， 获得该区域的小时级历史气温, 工作日, 节假日, 小时参数, 月参数, 年参数, 历史用电负荷, 包括同一时段上一周的负荷,同一时段昨天的负荷，前二十四小时的平均负荷;

2)由于可能存在的人为误差, 我们对于从训练集中删除了异常数据，比如：由于极端高温或极端低温导致的峰值负荷；

由于该类数据的出现概率很小, 我们采用异常分析的办法, 剔除掉1%概率最小的数据；

异常分析公式如下;

a.首先计算出每一组数据的多元正态分布：

其中, 为数据, 为平均值, 为协方差:

；

b.当 , 则删除掉该值;

3)历史电力负荷曲线图如图2所示;

4)采用自适应提升算法训练模型, 具体步骤如下：

输入数据： , 其中 , 因为我们选择了10个特征值, 所以n为10； , 为历史电力负荷；

输出:最终预测器 ;

a.初始化训练数据的权值分布:

b.对 , 使用具有权值分布 的训练数据集学习,得到基本预测器:

其中 表示第m次的预测；

c. 计算 在训练数据集上的预测误差

d.计算 的系数：

e.更新训练数据集的权重分布:

其中 是规范化因子:

f.构建基本预测器的线性组合:

5)最后预测电力负荷数据结果如图3所示。