基于PLS-SVM-GA算法的电网投资能力预测方法与流程

技术特征：
1.一种基于pls-svm-ga算法的电网投资能力预测方法，其特征在于，包括以下步骤：步骤s101、确定电网企业投资能力的初始影响因素；步骤s102、根据灰色关联度分析进行变量的初步选择；步骤s103、利用偏最小二乘法中的主成分分析对初始影响因素进行提取；步骤s104、将提取出的成分通过支持向量机模型构建训练样本集；步骤s105、利用遗传算法对支持向量机的参数进行优化；步骤s106、对电网投资能力的拟合效果进行评价；步骤s107、利用优化后的支持向量机对电网投资能力进行预测并输出评价指标。2.如权利要求1所述的基于pls-svm-ga算法的电网投资能力预测方法，其特征在于，所述步骤s101中初始影响因素包括：主营业务成本、资产负债率、净资产收益率、单位资产售电量、运行维护费、线损率、售电量、电力行业景气指数、全年高峰负荷、销售电价、gdp、固定资产投资额、城市化率、第二产业占比、能源消费强度、碳排放强度、经济发展目标和贷款利率。3.如权利要求1所述的基于pls-svm-ga算法的电网投资能力预测方法，其特征在于，所述步骤s102对步骤s101中的初始影响因素分别进行灰色绝对关联度、灰色相对关联度分析，进而计算灰色综合关联度，并选择灰色综合关联度在0.5以上的影响因素进行下一步分析。4.如权利要求3所述的基于pls-svm-ga算法的电网投资能力预测方法，其特征在于，所述步骤s102中灰色综合关联度ρ
0i
的计算公式如下：ρ
0i
＝θε
0i
(1-θ)r
0i
其中，θ∈[0,1]，取θ＝0.5，表示对绝对量之间的关系和变化速率同等重视，r
0i
为灰色相对关联度，ε
0i
为灰色绝对关联度。5.如权利要求1所述的基于pls-svm-ga算法的电网投资能力预测方法，其特征在于，所述步骤s103包括：对数据进行标准化处理，生成标准化矩阵e0和f0，表示x
ij
标准化后的数值；表示y
i
标准化后的数值；x
ij
表示解释变量矩阵x中第j个变量x
j
的第i个样本点；y
i
表示因变量y的第i个样本值；通过交叉有效性原则来确定pls回归中成分的提取个数；依次提取第一个主成分t1、第二成分t2、
…
和第h成分t
h
，在确定h后停止迭代，其中h小于x的秩。6.如权利要求5所述的基于pls-svm-ga算法的电网投资能力预测方法，其特征在于，所述pls回归中成分的提取个数确定过程如下：记y
i
为原始数据，t1，t2，
…
，t
m
是在pls回归过程中提取的成分，为使用全部样本点并取成分t1，t2，
…
，t
h
回归建模所得的第i个样本点的拟合值，而是在回归时删去样本点i，再利用成分t1，t2，
…
，t
h
回归所得y
i
的拟合值；
则交叉有效性的定义为：当时，停止增加新的成分t
h
。7.如权利要求1所述的基于pls-svm-ga算法的电网投资能力预测方法，其特征在于，所述步骤s104包括：将步骤s103提取的主成分t1,t2,
…
,t
h
作为支持向量机的样本输入，u1＝f(t)作为支持向量机的输出；构建训练集样本{(t
i
,y
i
),i＝1,2,
…
h}；其中t
i
(t
i
∈r
d
)是第i个训练样本的输入列向量，y
i
∈r为对应的输出值，建立如下回归函数：f(t)＝wφ(t) b其中φ(t)为将数据映射到高维特征空间的非线性映射函数；w为特征权向量；b∈r为阈值。8.如权利要求1所述的基于pls-svm-ga算法的电网投资能力预测方法，其特征在于，所述步骤s105通过控制误差ε的取值对偏最小二乘支持向量回归模型中的参数集采用遗传算法进行近似寻优，将训练样本的均方误差mse作为遗传算法的适应度函数，通过选择、交叉和变异操作来判断当前是否满足目标精度要求，若满足条件则通过解码输出svm模型的最优参组合，否则重新用遗传算法进行计算。9.如权利要求1所述的基于pls-svm-ga算法的电网投资能力预测方法，其特征在于，所述步骤s105包括：步骤1：确定惩罚因子c和核参数σ的大致范围，对c、σ进行二进制编码，生成初始种群；步骤2：构造适应度函数作为遗传算法与svm的接口，将训练样本的均方误差mse作为遗传算法的适应度函数，通过判断适应度函数的大小来决定是否终止参数寻优；步骤3：设定种群规模、终止进化代数、交叉概率和变异概率；步骤4：应用遗传算子选择、交叉、变异运算来产生下一代种群，然后转到步骤2来判断适应度值大小。10.如权利要求1所述的基于pls-svm-ga算法的电网投资能力预测方法，其特征在于，所述步骤s106根据所得的预测模型，输入测试样本进行预测，并对输出数据反归一化处理；根据预测值和实际值的比较，采用评价预测模型的平均绝对误差mae、平均相对误差mpe、均方根误差rmse和theil不等系数对所建预测模型进行评价。

技术总结
本发明公开了一种基于PLS-SVM-GA算法的电网投资能力预测方法，包括步骤：S101、确定电网企业投资能力的初始影响因素；S102、根据灰色关联度分析进行变量的初步选择；S103、利用偏最小二乘法中的主成分分析对初始影响因素进行提取；S104、将提取出的成分通过支持向量机模型构建训练样本集；S105、利用遗传算法对支持向量机的参数进行优化；S106、对电网投资能力的拟合效果进行评价；S107、利用优化后的支持向量机对电网投资能力进行预测并输出评价指标。本发明兼顾支持向量机和遗传算法的优点，能够更好地考虑非线性因素影响，使模型具有较好的鲁棒性和预测稳定性，从而大大提高预测结果的准确性。测结果的准确性。测结果的准确性。


技术研发人员：张晓曼 程序 李红建 耿鹏云 陈太平 安磊 齐霞 张妍 刘宣 路妍 董海鹏 曾凡梅 相静 张萌萌 谢品杰
受保护的技术使用者：国家电网有限公司
技术研发日：2021.11.16
技术公布日：2022/4/12