(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111568968.0 (22)申请日 2021.12.21 (71)申请人 云南电网有限责任公司电力科 学研 究院 地址 650217 云南省昆明市经济技 术开发 区云大西路10 5号 (72)发明人 刘娇龙　尹春林　杨政　杨莉　 李杰　杨浚文　胡凯　赵岳恒　 潘侃　朱华　苏蒙　文俊杰　赵娜　 (74)专利代理 机构 北京弘权知识产权代理有限 公司 11363 代理人 逯长明　许伟群 (51)Int.Cl. G06Q 30/02(2012.01) G06Q 50/06(2012.01)G06K 9/62(2022.01) G06N 20/10(2019.01) (54)发明名称 一种基于KPCA和线性回归的电力消费预测 方法 (57)摘要 本发明公开一种基于KPCA和线性回归的电 力消费预测方法， 将收集到的预设时间段的城市 变量经过PCA和KPCA进行处理后得到的PCA处理 变量和KPCA处理变量， 再将PCA处理变量和KPCA 处理变量分为训练集、 试验集和预测集后带入到 线性回归模型中， 选择最优模型得到预测结果。 经验证本方法所得预测结果与实际电力消费结 果吻合程度较高， 可以通过本方法对已发生时间 段的电力预测消费进行计算。 通过结合KPCA方法 和线性回归模 型的方式， 在城市变量样本较少的 情况下， 对 预测年份或时间段的电力消费情况进 行预测， 解决了现有用电消费预测模 型的不稳定 性和不确定性， 减小预测结果与实际情况的误 差。 权利要求书2页 说明书8页 附图2页 CN 114266593 A 2022.04.01 CN 114266593 A 1.一种基于KPCA和线性回归的电力消费预测方法， 其特 征在于， 包括以下步骤： 收集预设时间段的城市变量， 包括： 全社会用电量、 人口增长率、 城镇人口占比、 名义 GDP、 居民电价、 煤炭价格、 第二产业增 加值占比、 第三产业增 加值占比和人均就 业产值； 将城市变量 通过PCA计算后转换为PCA处 理变量； 通过KPCA方法中的KPCA核函数， 对 城市变量进行降维处 理， 得到一组KPCA处 理变量； 将城市变量、 PCA处理变量、 KPCA处理变量分别分为训练集、 验证集、 预测集三部分并带 入到线性回归模型中， 分别计算训练集、 验证集、 预测集位于每一个模型的均方误差， 并根 据得到的均方误差选择最优模型， 得到所要 预测年份或所要 预测年份时间段的全社会用电 量的预测结果。 2.根据权利要求1所述一种基于KPCA和线性 回归的电力消费预测方法， 其特征在于， 所 述方法还包括： 将所述城市变量按照电力特征、 人口特征、 经济特征、 价格特征、 产业结构特 征和生产效率特 征进行分类。 3.根据权利要求1所述一种基于KPCA和线性 回归的电力消费预测方法， 其特征在于， 所 述PCA的计算过程 为： Cai＝ λiai 其中， 原始独立变量为Xn*p， n为观测次数， p为样本维数， Cp*p为Xn*p的协方差矩阵， λi 和ai分别为Cp*p的特 征值和相应的特 征向量； 如果取第一个m主成分， 主成分矩阵F计算如下： P＝(aij)p*m＝(a1， a2， a3， ...， am) F＝XP 其中Pp*m是由C的最大第一个m特征向量形成的矩阵， Fn*m是具有 m维的主分量， ith为城 市变量的特 征向量； 具体来说， ith的主成分Fi为： Fi＝Z(X1)*a1i+Z(X2)*a2i+...+Z(Xp)*api 其中Z(X)表示X的标准 化， a1i是ith特征向量的第一个元 素。 4.根据权利要求3所述一种基于KPCA和线性 回归的电力消费预测方法， 其特征在于， 在 所述PCA处理变量的每一项变量称为主成分， 主成分中将第一主成分(factor1， 1)作为原始 独立变量， 如果第一主成分信息不足， 则加入因子(factor2)共同表示原始独立变量， 并且 满足COV(factor1， factor 2)＝0。 5.根据权利要求4所述一种基于KPCA和线性 回归的电力消费预测方法， 其特征在于， 所 述因子(factor 2)为与第一主成分相同特 征的变量。 6.根据权利要求1所述一种基于KPCA和线性 回归的电力消费预测方法， 其特征在于， 所 述KPCA核函数为： 有径向基函数核： k(x， y)＝exp( ‑γ||x‑y||2)； 多项式核： k(x， y)＝(xTy+c)d， d∈N， c≥0； sigmoid形核： k(x， y)＝tanh( α xTy+γ)；权　利　要　求　书 1/2 页 2 CN 114266593 A 2余弦核： 其中多项式核函数中的c和d， RBF中的gamma(γ)， sigmoid形核函数中的alpha(α )和 gamma(γ)均为可调参数。 7.根据权利要求6所述一种基于KPCA和线性 回归的电力消费预测方法， 其特征在于， 所 述KPCA核函数为任意半正定对称函数。 8.根据权利要求1所述一种基于KPCA和线性 回归的电力消费预测方法， 其特征在于， 所 述预测集中的数据为所要 预测年份或所要 预测年份时间段的数据； 所述训练集为当前时刻 以前第一时间点至比第一时间点较早的第二时间点之 间的数据； 所述验证集为当前时刻以 前第三时间点至比第三时间点较早的第四时间点之 间的数据； 所述第四时间点位于第一时 间点和第二时间点之间， 或第四时间点与第一时间点相同； 所述第三时间点 晚于第一时间 点。 9.根据权利要求1所述一种基于KPCA和线性 回归的电力消费预测方法， 其特征在于， 根 据得到的均方误差选择最优模型 的步骤包括： 选取满足预设条件的至多两组最优模型， 分 别赋予两组模型5 0％的权重， 并将两者相加得到最优 模型。 10.根据权利要求9所述一种基于KPCA和线性回归的电力消费预测方法， 其特征在于， 所述最优模型为模型均方误差最小且预测集没有下降趋势。权　利　要　求　书 2/2 页 3 CN 114266593 A 3