基於改進的灰色預測法的電力負荷預測方法
2023-09-12 15:46:25 2
專利名稱：基於改進的灰色預測法的電力負荷預測方法
技術領域：
本發明屬於短期電力系統負荷預測技術領域，尤其涉及一種基於改進的灰色預測法的電力負荷預測方法。
背景技術：
灰色系統預測方法(簡稱灰色預測法)是一種對含有不確定因素的系統進行預測的方法。它在建模時不需要計算統計特徵量，可以應用於任何非線性變化的數據指標預測，運算方便，適用於貧信息條件下的分析和預測。但灰色模型是一種單序列的時間序列模型，無法對負荷具有較大影響的氣象因素進行協同考慮，對由此造成的數據序列中存在震蕩或局部異常的現象無法有效處理，預測效果不理想，往往容易產生較大的誤差。目前對應用於負荷預測的灰色系統法的改進研究主要可分為兩個方向第一個方 向為模型內部改進，即以通過優化模型內部機理或調整參數，從歷史數據中挖掘出更強的規律性；第二個方向為模型外部改進，即從歷史數據本身的特性入手，在不改變數據的前提下對其進行合理的組織，或者在合理的範圍內對數據做灰色模型的適應性改造。其中外部改進方法可以從數據來源處有效地改善GM模型產生預測異常的概率，利用氣象信息與負荷之間的關係對原始歷史負荷進行改造處理就屬於此類方法，它是改善GM(1，I)短期負荷預測模型精度的有效途徑。目前在考慮使用這種改進方式的方法較少，僅有單單考慮氣象在歷史相似日的選取中的作用的方法。這種方法容易破壞時間序列法所要求的時間連續性，無法保證樣本數量的大小。另外，氣象信息對每日具體負荷點的量化影響也是非常難解決的一個問題。
發明內容
本發明的目的在於，提出一種基於改進的灰色預測法的電力負荷預測方法，用於解決現有的灰色預測法對電力負荷預測時出現的問題。為了實現上述目的，本發明提出的技術方案是，一種基於改進的灰色預測法的電力負荷預測方法，其特徵是所述方法包括步驟I :選擇預測日之前的N個同類型日，提取所述N個同類型日的整日負荷曲線；所述同類型日型包括工作日、雙休日和節假日；步驟2 :對N個同類型日的整日負荷曲線進行預處理，從而得到N個同類型日的同一時刻的負荷組成歷史負荷序列；步驟3 :獲取每個時刻的歷史負荷序列的負荷對應的氣溫值，將其與預測日相同時刻的氣溫值一起組成該時刻的氣溫值序列，根據氣溫值序列修正歷史負荷序列；步驟4 :計算預測日的各個時刻的預測值，並組成預測日負荷曲線；步驟5 :對預測日負荷曲線進行修正得到最終的負荷預測曲線。 所述步驟2具體包括步驟 101:令1=0;
步驟102 :任意選取一個同類型日的整日負荷曲線；步驟103:使用灰色關聯度模型比較該任意選取的同類型日的整日負荷曲線與其他同類型日的整日負荷曲線的相關性，如果該任意選取的同類型日的整日負荷曲線與其他同類型日的整日負荷曲線的不相關，則執行104 ;否則，執行105 ；步驟104 :令1=1+1並剔除該任意選取的同類型日的整日負荷曲線及其對應的同類型日，選擇所述預測日之前的第N+1個同類型日並提取所述預測日之前的第N+1個同類型日的整日負荷曲線；步驟105 :任意選取一個未曾被選取過的同類型日的整日負荷曲線，重複步驟103-步驟105，直至每個同類型日的整日負荷曲線與其他同類型日的整日負荷曲線的都相關;
步驟106 :從每個同類型日中選取m個時刻，獲取N個同類型日的每個時刻的負荷X (k, t)，k=l, 2,..., N, t=l, 2，. . .，m，X (k，t)是第k個同類型日第t個時刻的負荷；將N個同類型日的同一時刻的負荷組成一個歷史負荷序列{X(k，t)}。所述步驟3包括步驟301 :獲取每個時刻的歷史負荷序列的負荷X(k，t)對應的氣溫值Y(k，t)，將其與預測日相同時刻的氣溫值Y(t) —起組成該時刻的氣溫值序列{Y(k，t)}，
權利要求
1.一種基於改進的灰色預測法的電力負荷預測方法，其特徵是所述方法包括 步驟I :選擇預測日之前的N個同類型日，提取所述N個同類型日的整日負荷曲線；所述同類型日型包括工作日、雙休日和節假日； 步驟2 :對N個同類型日的整日負荷曲線進行預處理，從而得到N個同類型日的同一時刻的負荷組成歷史負荷序列； 步驟3:獲取每個時刻的歷史負荷序列的負荷對應的氣溫值，將其與預測日相同時刻的氣溫值一起組成該時刻的氣溫值序列，根據氣溫值序列修正歷史負荷序列； 步驟4 :計算預測日的各個時刻的預測值，並組成預測日負荷曲線； 步驟5 :對預測日負荷曲線進行修正得到最終的負荷預測曲線。
2.根據權利要求I所述的基於改進的灰色預測法的電力負荷預測方法，其特徵是所述步驟2具體包括 步驟101 :令I = O ; 步驟102 :任意選取一個同類型日的整日負荷曲線； 步驟103:使用灰色關聯度模型比較該任意選取的同類型日的整日負荷曲線與其他同類型日的整日負荷曲線的相關性，如果該任意選取的同類型日的整日負荷曲線與其他同類型日的整日負荷曲線的不相關，則執行104 ;否則，執行105 ； 步驟104 :令I = 1+1並剔除該任意選取的同類型日的整日負荷曲線及其對應的同類型日，選擇所述預測日之前的第N+1個同類型日並提取所述預測日之前的第N+1個同類型日的整日負荷曲線； 步驟105 :任意選取一個未曾被選取過的同類型日的整日負荷曲線，重複步驟103-步驟105，直至每個同類型日的整日負荷曲線與其他同類型日的整日負荷曲線的都相關； 步驟106 :從每個同類型日中選取m個時刻，獲取N個同類型日的每個時刻的負荷X (k, t)，k=l, 2,..., N, t=l, 2，. . .，m，X (k，t)是第k個同類型日第t個時刻的負荷；將N個同類型日的同一時刻的負荷組成一個歷史負荷序列{X(k，t)}。
3.根據權利要求2所述的基於改進的灰色預測法的電力負荷預測方法，其特徵是所述步驟3包括 步驟3 OI :獲取每個時刻的歷史負荷序列的負荷X (k，t)對應的氣溫值Y (k，t)，將其與預測日相同時刻的氣溫值Y(t) —起組成該時刻的氣溫值序列{Y(k，t)}，\Y{kj),k = 1,2,...,Nm，o=κ I琪中，x(k，t)是第k個同類型日第t個時刻的負荷，Y(k，t)是 [Y{k),k 二 N + I第k個同類型日第t個時刻的負荷對應的氣溫值； 步驟302 :判斷氣溫值序列中的氣溫值是否發生震蕩或者突變；,、-\))- (}■{ k. I.+. I) - )\k./))利用公式雄計算第k個同類型日點個時刻的溫度變化靈敏度，如果固定某個時刻t，對所有的同類型日，則N個同類型日同時刻氣溫值未發生震蕩或者突變，令X(°) (k, t) =X (k, t)，k=l, 2，. . .，N ;否貝U，針對該t時刻執行步驟303 ； 步驟303 :對歷史負荷序列進行回歸擬合修正；首先對氣溫值序列{Y(k，tM進行處理，對氣溫值序列
4.根據權利要求3所述的基於改進的灰色預測法的電力負荷預測方法，其特徵是所述步驟4包括 步驟401 :將修正的歷史負荷序列{X(0) (k, t)}代入GM(1，I)模型，計算得到GM(1，I)模型的時間響應函數； 首先，對修正的歷史負荷序列{X(°)(k，t)}做一次累加處理，得到序列{Xa)(k，t)};其中
5.根據權利要求4所述的基於改進的灰色預測法的電力負荷預測方法，其特徵是所述步驟5包括 步驟501 :以預測日負荷曲線第一個時亥+ 為參考時刻； 步驟502 :選擇參考時刻的前P個設定時刻，所述前P個設定時刻的負荷組成的序列為{X(p)l ；
6.根據權利要求4所述的基於改進的灰色預測法的電力負荷預測方法，其特徵是所述步驟5包括步驟601 :根據公式
全文摘要
本發明公開了短期電力系統負荷預測技術領域中的一種基於改進的灰色預測法的電力負荷預測方法。包括選擇預測日之前的N個同類型日，提取所述N個同類型日的整日負荷曲線；所述同類型日型包括工作日、雙休日和節假日；對N個同類型日的整日負荷曲線進行預處理，從而得到N個同類型日的同一時刻的負荷組成歷史負荷序列；獲取每個時刻的歷史負荷序列的負荷對應的氣溫值，將其與預測日相同時刻的氣溫值一起組成該時刻的氣溫值序列，根據氣溫值序列修正歷史負荷序列；計算預測日的各個時刻的預測值，並組成預測日負荷曲線；對預測日負荷曲線進行修正得到最終的負荷預測曲線。本發明預測精度較傳統GM方法而言大幅提升。
文檔編號G06Q50/06GK102831488SQ20121029581
公開日2012年12月19日 申請日期2012年8月17日 優先權日2012年8月17日
發明者焦潤海, 蘇辰雋, 莫瑞芳, 林碧英 申請人:華北電力大學