(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211204902.8 (22)申请日 2022.09.30 (65)同一申请的已公布的文献号 申请公布号 CN 115271274 A (43)申请公布日 2022.11.01 (73)专利权人 华中科技大 学 地址 430074 湖北省武汉市洪山区珞喻路 1037号 (72)发明人 娄素华　梁书豪　 (74)专利代理 机构 北京众达德权知识产权代理 有限公司 1 1570 专利代理师 王春艳 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) H02J 3/00(2006.01)(56)对比文件 US 20202 27143 A1,2020.07.16 CN 10987186 0 A,2019.0 6.11 CN 109409407 A,2019.0 3.01 CN 111160625 A,2020.0 5.15 董浩等.基于核主成分分析和极限学习机的 短期电力负荷预测. 《电子测量与仪 器学报》 .2018,(第01期), 黄小耘等.实时电价条件下的短期负荷预测 研究. 《自动化与仪 器仪表》 .2016,(第0 5期), 刘梦轩等.实时电价条件下的短期负荷预 测. 《现代电力》 .2013,(第0 5期), 熊文真等.基 于相空间重构的KPCA- HS-RVM 网络流量预测模型. 《荆楚理工学院学报》 .2016, (第06期), 审查员 吕文超 (54)发明名称 电力系统短期日负荷预测方法及相关 设备 (57)摘要 本发明公开了一种电力系统短期日负荷预 测方法及相关设备， 涉及电力负荷预测领域， 主 要为解决目前缺少一种可 以按“类”对电力系统 短期日负荷进行预测的方法的问题。 该方法包 括： 基于高斯混合模型对2维日负荷数组进行聚 类以获取目标2维日负荷数组， 其中， 所述2维日 负荷数组是基于24维日负荷数组确定的； 基于所 述目标2维日负荷数组和所述24维日负荷数 组确 定相关向量机模型， 其中， 所述相关向量机模型 为预测模型； 基于所述预测模型确定目标预测日 的日负荷预测结果。 本发明用于电力系统短期日 负荷预测过程。 权利要求书2页 说明书14页 附图5页 CN 115271274 B 2022.12.27 CN 115271274 B 1.一种电力系统短期日负荷预测方法， 其特 征在于， 包括： 基于高斯混合模型对2维日负荷数组进行聚类以获取目标2维日负荷数组， 其中， 所述2 维日负荷数 组是基于2 4维日负荷数组确定的， 所述2 4维日负荷数 组用于表征至少一 天的24 个小时的电力负荷数据， 所述2维日负荷数组用于表征所述至少一天24个小时的电力负荷 数据的降维后的2维特 征值； 基于所述目标2维日负荷数组和所述24维日负荷数组确定相关 向量机模型， 其中， 所述 相关向量机模型为预测模型； 基于所述预测模型确定目标 预测日的日负荷预测结果； 获取统计周期内的24维日负荷数据以确定所述24维日负荷数组； 基于多维尺度法将所述24维日负荷数组降为所述2维日负荷数组， 其中， 所述24维日负 荷数组和所述2维日负荷数组存在映射关系； 基于所述24维日负荷数组和所述2维日负荷数组的映射关系， 从所述24维日负荷数组 中获取所述2维日负荷数组中的每一簇数据的训练特征向量， 其中， 所述训练特征向量为训 练日的前一段时间内的气象数据和负荷数据； 基于所述2维日负荷数组中的每一簇数据的训练特征向量为所述2维日负荷数组中的 每一簇数据建立相关向量机模型。 2.根据权利要求1所述的方法， 其特征在于， 所述基于高斯混合模型对2维日负荷数组 进行聚类以获取目标2维日负荷数组， 包括： 基于所述2维日负荷数组和概 率密度函数确定所述高斯混合模型； 基于贝叶斯准则确定所述高斯混合模型的分量数量， 其中， 所述高斯混合模型的分量 数量等于聚类中心数量； 基于所述高斯混合模型确定对数似然估计函数； 通过EM算法和所述 聚类中心数量对所述对数似然估计函数迭代求解以获取目标2维日 负荷数组。 3.根据权利要求1所述的方法， 其特征在于， 所述基于所述2维日负荷数组中的每一簇 数据的训练特 征向量为所述2维日负荷数组中的每一簇数据建立相关向量机模型， 包括： 基于所述训练特 征向量、 函数权值和高斯白噪声建立所述相关向量机模型。 4.根据权利要求3所述的方法， 其特征在于， 所述基于所述预测模型确定目标预测日的 日负荷预测结果， 包括： 确定所述目标预测日所属的所述2维日负荷数组中的簇所对应的目标相关向量机模 型； 基于EM算法和预测特征向量对所述目标相关向量机模型求解以确定目标预测日的日 负荷预测结果， 其中， 所述预测特征向量为 目标预测日的前一段时间内的气象数据和负荷 数据。 5.根据权利要求1所述的方法， 其特 征在于， 还 包括： 基于所述日负荷预测结果和日负荷实际结果确定预测误差； 基于平均绝对百分比误差和均方根 误差对所述预测误差进行分析评价。 6.一种电力系统短期日负荷预测装置， 其特 征在于， 聚类单元， 用于基于高斯混合模型对2维日负荷数组进行聚类以获取目标2维日负荷数权　利　要　求　书 1/2 页 2 CN 115271274 B 2组， 其中， 所述2维日负荷数组是基于24维日负荷数组确定的， 所述24维日负荷数组用于表 征至少一天的24个小时的电力负荷数据， 所述2维日负荷数组用于表征所述至少一天24个 小时的电力负荷数据的降维后的2维特 征值； 确定单元， 用于基于所述目标2维日负荷数组和所述24维日负荷数组确定相关向量机 模型， 其中， 所述相关向量机模型为预测模型； 第二确定单 元， 用于基于所述预测模型确定目标 预测日的日负荷预测结果； 获取统计周期内的24维日负荷数据以确定所述24维日负荷数组； 基于多维尺度法将所述24维日负荷数组降为所述2维日负荷数组， 其中， 所述24维日负 荷数组和所述2维日负荷数组存在映射关系； 基于所述24维日负荷数组和所述2维日负荷数组的映射关系， 从所述24维日负荷数组 中获取所述2维日负荷数组中的每一簇数据的训练特征向量， 其中， 所述训练特征向量为训 练日的前一段时间内的气象数据和负荷数据； 基于所述2维日负荷数组中的每一簇数据的训练特征向量为所述2维日负荷数组中的 每一簇数据建立相关向量机模型。 7.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质包括存储的程序， 其中， 在所述程序被处理器执行时实现如权利要求1至权利要求5中任一项所述的电力系统 短期日负荷预测方法的步骤。 8.一种电子设备， 其特征在于， 所述电子设备包括至少一个处理器、 以及与 所述处理器 连接的至少一个存储器； 其中， 所述处理器用于调用所述存储器中的程序指 令， 执行如权利 要求1至权利要求5中任一项所述的电力系统短期日负荷预测方法的步骤。权　利　要　求　书 2/2 页 3 CN 115271274 B 3