[发明专利]基于多模型融合的居民用电负荷预测方法、介质及设备

权利要求书

1.一种基于多模型融合的居民用电负荷预测方法，其特征在于，包括以下步骤：

构建多个用于居民用电量预测的预测模型，获取居民用电量数据x_i,i＝1,2,...,t-1，作为训练集，利用所述训练集分别训练每个预测模型；

各所述预测模型基于居民用电量数据x_i,i＝1,2,...,t-1预测获得t时刻的预测用电量，该t时刻具有已知的真实用电量，基于所述预测用电量和真实用电量计算各预测模型相应的相对误差re_j(t)，j＝1,2,...,n，n为预测模型总数；

基于各预测模型的所述相对误差计算各预测模型的置信因子α_j(t)；

各所述预测模型基于居民用电量数据x_i,i＝1,2,...,t预测获得t+1时刻的居民用电量预测结果pre_j(t+1)；

基于各预测模型的所述置信因子α_j(t)和居民用电量预测结果pre_j(t+1)进行融合处理，获得t+1时刻的最终预测结果fusion(t+1)。

2.根据权利要求1所述的基于多模型融合的居民用电负荷预测方法，其特征在于，所述预测模型包括灰度预测模型、高斯过程回归模型、长短期记忆网络模型中的多个。

3.根据权利要求1所述的基于多模型融合的居民用电负荷预测方法，其特征在于，所述相对误差re_j(t)的计算公式为：

re_j(t)＝(true_val(t)-pre_j(t))/(true_val(t))

式中，true_val(t)为t时刻的真实用电量，pre_j(t)为第j个预测模型的t时刻的预测用电量。

4.根据权利要求1所述的基于多模型融合的居民用电负荷预测方法，其特征在于，所述置信因子α_j(t)的计算公式为：

5.根据权利要求1所述的基于多模型融合的居民用电负荷预测方法，其特征在于，所述融合处理具体为：

判断各相对误差re_j(t)与0的关系，若所有相对误差均存在re_j(t)＞＝0，则fusion(t+1)＝max(pre_j(t+1))，max(·)表示取最大值；若所有相对误差均存在re_j(t)＜0，则fusion(t+1)＝min(pre_j(t+1))，min(·)表示取最小值；否则，

6.根据权利要求1所述的基于多模型融合的居民用电负荷预测方法，其特征在于，所述预测模型包括高斯过程回归模型，所述预测方法还包括：

基于所述高斯过程回归模型计算t+1时刻的居民用电量预测结果的置信区间。

7.根据权利要求1所述的基于多模型融合的居民用电负荷预测方法，其特征在于，以相对误差的绝对平均值指标判定该预测方法的可靠性，进而反馈调整各所述预测模型的权值。

8.一种计算机可读存储介质，其特征在于，包括供电子设备的一个或多个处理器执行的一个或多个程序，所述一个或多个程序包括用于执行如权利要求1-7任一所述居民用电负荷预测方法的指令。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储器；和

被存储在存储器中的一个或多个程序，所述一个或多个程序包括用于执行如权利要求1-7任一所述居民用电负荷预测方法的指令。