一种变量选择与高斯过程回归的短期负荷预测方法

摘要

本发明公开一种基于变量选择与高斯过程回归的短期负荷预测方法，包括以下步骤：1)对样本数据进行坏数据剔除、补充以及归一化预处理；2)从历史负荷、温度和湿度、预测日日期类型等角度选取候选输入变量，通过随机森林算法计算各变量重要性评分并排序；3)结合高斯过程回归模型，采用序列前向搜索策略确定最优变量集合；4)基于确定的最优变量集合训练高斯过程回归模型，并利用改进粒子群算法优化模型参数；5)在测试集中验证模型的预测性能。本发明提供的方法有效地提高了预测精度，能够较好地解决电力系统负荷预测问题。