[发明专利]一种基于特征相关性的电力负荷影响因素加权量纲化处理方法

权利要求书

1.一种基于特征相关性的电力负荷影响因素加权量纲化处理方法，其特征在于，包括以下步骤：

步骤1：获取电力负荷与相关负荷影响因素历史数据，并对数据分类标记：定义电力负荷影响因素历史数据为D^train，根据不同数据特征，将n类电力负荷影响因素历史数据分别标记为定义电力负荷历史数据为L^train；

其中，均为包含m个历史数据的向量，历史影响因素矩阵D^train表示为：

电力负荷历史数据向量L^train表示为：

步骤2：分别以每种特征类型内的数据为基础，对所有数据进行无量纲化处理；

步骤3：分别计算归一化后各特征数据与负荷输出差值的全局最大值与最小值；

步骤4：计算特征中的每一元素与负荷输出间的相关性数值；

步骤5：以特征类型分类，对每一类特征数据的相关性系数求取平均值，计算每类特征与负荷输出间的相关性数值；

步骤6：将各类归一化后的特征数据分别乘以该特征的相关性权重,完成基于特征相关性的数据加权量纲化处理；

步骤7：将处理好的数据输入神经网络，进行网络训练；训练好模型后，对测试集数据进行加权量纲化处理。

2.根据权利要求1所述的基于特征相关性的电力负荷影响因素加权量纲化处理方法，其特征在于，所述步骤2中，将所有数据包括历史电力负荷数值归一化至[0,1]内：

其中，与为无量纲化后的元素值，i∈[1,n]，j∈[1,m]；记无量纲的电力负荷影响因素历史数据为无量纲的电力负荷历史数据为

3.根据权利要求1所述的基于特征相关性的电力负荷影响因素加权量纲化处理方法，其特征在于，所述步骤3中，归一化后各特征数据与负荷输出差值的全局最大值与最小值的计算公式为：

其中，X_max与X_min分别表示无量纲的训练集数据中各特征数据与对应负荷输出之差的全局最大值与最小值。

4.根据权利要求1所述的基于特征相关性的电力负荷影响因素加权量纲化处理方法，其特征在于，所述步骤4中，每一元素与负荷输出间的相关性数值计算公式为：

其中，C_i,j为第i类特征的第j个数据对负荷输出的相关性系数数值；λ为放缩系数，ρ为辨识系数。

5.根据权利要求4所述的基于特征相关性的电力负荷影响因素加权量纲化处理方法，其特征在于，所述λ取值为[1,10]，λ数值越大，加权后各特征数据的差距越大；ρ取值为(0,1)，ρ数值越小，各数据相关性辨识度越大。

6.根据权利要求1所述的基于特征相关性的电力负荷影响因素加权量纲化处理方法，其特征在于，所述步骤5中，每类特征与负荷输出间的相关性数值计算公式为：

其中，η_i为第i类特征与负荷输出见得相关性数值，即为该类特征的加权量纲化权重，i∈[1,n]。

7.根据权利要求1所述的基于特征相关性的电力负荷影响因素加权量纲化处理方法，其特征在于，所述步骤6中，基于特征相关性的数据加权量纲化处理公式为：

其中，为基于特征相关性加权量纲化后的数据，用于模型训练，i∈[1,n]，j∈[1,m]。

8.根据权利要求1所述的基于特征相关性的电力负荷影响因素加权量纲化处理方法，其特征在于，所述步骤7中，对测试集数据进行加权量纲化处理，应用模型预测:

其中，为待处理的测试集影响因素数据；为进行加权量纲化处理后的测试集影响因素数据，用于模型测试或实际预测，k为每类影响因素的数据量。