專(zhuān)利名稱：一種需求響應(yīng)下的短期負(fù)荷預(yù)測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于電力系統(tǒng)技術(shù)領(lǐng)域，具體涉及一種短期負(fù)荷預(yù)測(cè)方法，對(duì)電力系統(tǒng)負(fù)荷進(jìn)行預(yù)測(cè)。
背景技術(shù)：
電力負(fù)荷預(yù)測(cè)是電力系統(tǒng)調(diào)度、用電、計(jì)劃、規(guī)劃等管理部門(mén)的重要工作之一。準(zhǔn)確的負(fù)荷預(yù)測(cè)，有助于合理安排發(fā)電機(jī)組的起停，保持電網(wǎng)運(yùn)行的安全穩(wěn)定性，減少不必要的旋轉(zhuǎn)儲(chǔ)備容量，合理安排機(jī)組檢修計(jì)劃，有效地降低發(fā)電成本，提高經(jīng)濟(jì)效益和社會(huì)效益。因此，負(fù)荷預(yù)測(cè)己成為實(shí)現(xiàn)電力系統(tǒng)管理現(xiàn)代化的重要內(nèi)容之一。全球資源環(huán)境壓力逐年增大，社會(huì)對(duì)環(huán)保和可持續(xù)發(fā)展的要求日益提高，要求未來(lái)電網(wǎng)必須能夠提供更加安全、清潔、可靠、優(yōu)質(zhì)的電力供應(yīng)，能夠適應(yīng)多種類(lèi)型發(fā)電方式的需要，能夠適應(yīng)客戶的自主選擇需要，提供更加優(yōu)質(zhì)的服務(wù)。為此不同國(guó)家和組織同時(shí)提出建設(shè)智能電網(wǎng)，將智能電網(wǎng)作為未來(lái)電網(wǎng)的發(fā)展方向，而需求響應(yīng)(Demand response,DR)則是需求側(cè)管理在競(jìng)爭(zhēng)性電力市場(chǎng)中的最新發(fā)展。智能電網(wǎng)的一個(gè)內(nèi)涵就是要求把用戶的積極性調(diào)動(dòng)起來(lái)，實(shí)現(xiàn)用戶與電網(wǎng)的雙向互動(dòng)，最終達(dá)到削峰填谷、提高能源利用率的目的。需求響應(yīng)作為互動(dòng)的解決方案，近年來(lái)得到了廣泛的關(guān)注。DR是指電力用戶針對(duì)市場(chǎng)價(jià)格信號(hào)或激勵(lì)機(jī)制做出響應(yīng)并改變正常電力消費(fèi)模式的市場(chǎng)參與行為。實(shí)時(shí)電價(jià)作為DR 一個(gè)重要手段，能改變不同用戶固有的習(xí)慣，達(dá)到減少某時(shí)段的用電負(fù)荷，從而保障電網(wǎng)的安全、穩(wěn)定運(yùn)行，并抑制電價(jià)上升的短期行為，在提高系統(tǒng)可靠性與經(jīng)濟(jì)性方面發(fā)揮了重要作用。需求響應(yīng)下的負(fù)荷預(yù)測(cè)需要迎合智能電網(wǎng)的特性，應(yīng)該更具有自適應(yīng)性，用戶可以根據(jù)電能需求結(jié)合需求側(cè)實(shí)時(shí)電價(jià)選擇經(jīng)濟(jì)的用電方式，甚至實(shí)現(xiàn)與電網(wǎng)互動(dòng)供電。因此，在智能電網(wǎng)條件下，影響負(fù)荷預(yù)測(cè)準(zhǔn)確性的因素除了傳統(tǒng)的歷史負(fù)荷、天氣和日類(lèi)型，實(shí)時(shí)電價(jià)數(shù)據(jù)將是一個(gè)非常重要的因素，如果忽略這個(gè)因素，負(fù)荷預(yù)測(cè)的結(jié)果將產(chǎn)生較大的偏差，從而失去應(yīng)用價(jià)值，造成不必要的損失。傳統(tǒng)的負(fù)荷預(yù)測(cè)方法有很多，諸如人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、相關(guān)向量機(jī)等都已經(jīng)得到了廣泛的使用。然而在實(shí)際應(yīng)用過(guò)程中，當(dāng)輸入影響因素過(guò)多時(shí)，將會(huì)導(dǎo)致預(yù)測(cè)模型結(jié)構(gòu)過(guò)于復(fù)雜，訓(xùn)練效率低，因此，需要對(duì)模型的輸入因素進(jìn)行合理的選擇來(lái)提高預(yù)測(cè)的精度。需求響應(yīng)下的負(fù)荷預(yù)測(cè)還處在初級(jí)階段，常用的還是傳統(tǒng)負(fù)荷預(yù)測(cè)的方法。因此，需要一種新的需求響應(yīng)下的短期負(fù)荷預(yù)測(cè)方法以解決上述問(wèn)題。

發(fā)明內(nèi)容
發(fā)明目的本發(fā)明針對(duì)現(xiàn)有技術(shù)中電力負(fù)荷預(yù)測(cè)存在的缺陷，提供一種基于支持向量機(jī)的需求響應(yīng)下的短期負(fù)荷預(yù)測(cè)方法。技術(shù)方案為解決上述技術(shù)問(wèn)題，本發(fā)明的需求響應(yīng)下的短期負(fù)荷預(yù)測(cè)方法采用如下技術(shù)方案
一種需求響應(yīng)下的短期負(fù)荷預(yù)測(cè)方法，包括以下步驟I)、分析并選取負(fù)荷預(yù)測(cè)的影響因素，采集負(fù)荷的歷史數(shù)據(jù)，得到訓(xùn)練樣本集；2)、根據(jù)步驟I)選取的影響因素的歷史數(shù)據(jù)生成輸入變量，以所對(duì)應(yīng)的負(fù)荷值的歷史數(shù)據(jù)作為輸出，得到訓(xùn)練樣本；3)、利用步驟2)的所述訓(xùn)練樣本對(duì)支持向量機(jī)模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的支持向量機(jī)模型；4)、根據(jù)步驟I)選取的所述影響因素的待預(yù)測(cè)時(shí)刻的實(shí)際數(shù)據(jù)生成測(cè)試輸入向量，并將測(cè)試輸入向量輸入到所述訓(xùn)練后的支持向量機(jī)模型，其輸出即為待預(yù)測(cè)時(shí)刻的負(fù)荷預(yù)測(cè)值。有益效果本發(fā)明的需求響應(yīng)下的短期負(fù)荷預(yù)測(cè)方法是基于支持向量機(jī)的短期負(fù)荷預(yù)測(cè)方法，利用支持向量機(jī)良好的非線性函數(shù)逼近能力，改善了預(yù)測(cè)模型的精度和泛化能力。更進(jìn)一步的，步驟I)所述的影響因素包括預(yù)測(cè)點(diǎn)前一時(shí)刻負(fù)荷值、預(yù)測(cè)點(diǎn)前兩個(gè)時(shí)刻負(fù)荷值、前一天預(yù)測(cè)點(diǎn)同時(shí)刻負(fù)荷值、前一天預(yù)測(cè)點(diǎn)前一小時(shí)負(fù)荷值、前一天預(yù)測(cè)點(diǎn)前兩個(gè)時(shí)刻負(fù)荷值、前兩天預(yù)測(cè)點(diǎn)同時(shí)刻負(fù)荷值、前兩天預(yù)測(cè)點(diǎn)前一小時(shí)負(fù)荷值、前兩天預(yù)測(cè)點(diǎn)前兩個(gè)時(shí)刻負(fù)荷值、前一周預(yù)測(cè)點(diǎn)負(fù)荷值、預(yù)測(cè)日日類(lèi)型、預(yù)測(cè)日平均溫度、預(yù)測(cè)點(diǎn)電價(jià)、預(yù)測(cè)點(diǎn)前一時(shí)刻電價(jià)、預(yù)測(cè)點(diǎn)前兩個(gè)時(shí)刻電價(jià)、前一天預(yù)測(cè)點(diǎn)同時(shí)刻電價(jià)、前兩天預(yù)測(cè)點(diǎn)同時(shí)刻電價(jià)、前一周預(yù)測(cè)點(diǎn)同時(shí)刻電價(jià)和日類(lèi)型。更進(jìn)一步的，步驟2)中根據(jù)所述影響因素的歷史數(shù)據(jù)生成輸入變量的具體步驟如下首先利用所選取的影響因素的歷史數(shù)據(jù)構(gòu)造特征向量，然后對(duì)所述特征向量進(jìn)行降維處理，得到所述輸入變量。輸入向量可由各影響因素的數(shù)據(jù)直接生成，但當(dāng)所選取的影響因素較多時(shí)，過(guò)多的變量會(huì)導(dǎo)致計(jì)算復(fù)雜度高，從而影響預(yù)測(cè)效率。為此，作為本發(fā)明的進(jìn)一步改進(jìn)方案。通過(guò)對(duì)原始數(shù)據(jù)樣本進(jìn)行降維處理(特征提取)來(lái)降低預(yù)測(cè)的計(jì)算復(fù)雜度，提高效率。更進(jìn)一步的，所述降維處理采用主成分分析方法、非負(fù)矩陣分解方法、粗糙集約簡(jiǎn)方法或灰色關(guān)聯(lián)度方法。其中，本發(fā)明采用非負(fù)矩陣分解方法。更進(jìn)一步的，所述支持向量機(jī)模型通過(guò)引入核函數(shù)k(Xi，Xj)來(lái)克服維數(shù)災(zāi)，所述
核函數(shù)k(Xi, Xj)米用咼斯徑向基函數(shù)
權(quán)利要求
1.一種需求響應(yīng)下的短期負(fù)荷預(yù)測(cè)方法，其特征在于，包括以下步驟 1)、分析并選取負(fù)荷預(yù)測(cè)的影響因素，采集負(fù)荷的歷史數(shù)據(jù)，得到訓(xùn)練樣本集； 2)、根據(jù)所述影響因素的歷史數(shù)據(jù)生成輸入向量，以所對(duì)應(yīng)的負(fù)荷值的歷史數(shù)據(jù)作為輸出，得到訓(xùn)練樣本； 3)、利用步驟2)得到的所述訓(xùn)練樣本對(duì)支持向量機(jī)模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的支持向量機(jī)模型； 4)、根據(jù)步驟I)選取的所述影響因素的待預(yù)測(cè)時(shí)刻的實(shí)際數(shù)據(jù)生成測(cè)試輸入向量，并將測(cè)試輸入向量輸入到所述訓(xùn)練后的支持向量機(jī)模型，其輸出即為待預(yù)測(cè)時(shí)刻的負(fù)荷預(yù)測(cè)值。
2.如權(quán)利要求I所述的需求響應(yīng)下的短期負(fù)荷預(yù)測(cè)方法，其特征在于，步驟I)所述的影響因素包括預(yù)測(cè)點(diǎn)前一時(shí)刻負(fù)荷值、預(yù)測(cè)點(diǎn)前兩個(gè)時(shí)刻負(fù)荷值、前一天預(yù)測(cè)點(diǎn)同時(shí)刻負(fù)荷值、前一天預(yù)測(cè)點(diǎn)前一小時(shí)負(fù)荷值、前一天預(yù)測(cè)點(diǎn)前兩個(gè)時(shí)刻負(fù)荷值、前兩天預(yù)測(cè)點(diǎn)同時(shí)刻負(fù)荷值、前兩天預(yù)測(cè)點(diǎn)前一小時(shí)負(fù)荷值、前兩天預(yù)測(cè)點(diǎn)前兩個(gè)時(shí)刻負(fù)荷值、前一周預(yù)測(cè)點(diǎn)負(fù)荷值、預(yù)測(cè)日日類(lèi)型、預(yù)測(cè)日平均溫度、預(yù)測(cè)點(diǎn)電價(jià)、預(yù)測(cè)點(diǎn)前一時(shí)刻電價(jià)、預(yù)測(cè)點(diǎn)前兩個(gè)時(shí)刻電價(jià)、前一天預(yù)測(cè)點(diǎn)同時(shí)刻電價(jià)、前兩天預(yù)測(cè)點(diǎn)同時(shí)刻電價(jià)、前一周預(yù)測(cè)點(diǎn)同時(shí)刻電價(jià)和日類(lèi)型。
3.如權(quán)利要求I所述的需求響應(yīng)下的短期負(fù)荷預(yù)測(cè)方法，其特征在于，步驟2)中根據(jù)所述影響因素的歷史數(shù)據(jù)生成輸入變量的具體步驟如下首先利用所選取的影響因素的歷史數(shù)據(jù)構(gòu)造特征向量，然后對(duì)所述特征向量進(jìn)行降低維數(shù)處理，得到所述輸入變量。
4.如權(quán)利要求3所述的需求響應(yīng)下的短期負(fù)荷預(yù)測(cè)方法，其特征在于，所述降低維數(shù)處理采用主成分分析方法、非負(fù)矩陣分解方法、粗糙集約簡(jiǎn)方法或灰色關(guān)聯(lián)度方法。
5.如權(quán)利要求3所述的需求響應(yīng)下的短期負(fù)荷預(yù)測(cè)方法，其特征在于，所述降低維數(shù)處理利用k折交叉訓(xùn)練方法得到維數(shù)的最優(yōu)取值。
6.如權(quán)利要求I所述的需求響應(yīng)下的短期負(fù)荷預(yù)測(cè)方法，其特征在于，所述輸入向量的維數(shù)為10。
7.如權(quán)利要求4所述的需求響應(yīng)下的短期負(fù)荷預(yù)測(cè)方法，其特征在于，所述非負(fù)矩陣分解方法選擇歐式距離平方作為非負(fù)矩陣分解目標(biāo)函數(shù)。
8.如權(quán)利要求I所述的需求響應(yīng)下的短期負(fù)荷預(yù)測(cè)方法，其特征在于，所述支持向量機(jī)模型通過(guò)引入核函數(shù)k(xi，xp來(lái)克服維數(shù)災(zāi)，所述核函數(shù)k(Xi，\)采用高斯徑向基函數(shù)，
全文摘要
本發(fā)明公開(kāi)了一種需求響應(yīng)下的短期負(fù)荷預(yù)測(cè)方法，包括以下步驟分析并選取負(fù)荷預(yù)測(cè)的影響因素，采集負(fù)荷的歷史數(shù)據(jù)，得到訓(xùn)練樣本集；根據(jù)影響因素的歷史數(shù)據(jù)生成輸入變量，以所對(duì)應(yīng)的負(fù)荷值的歷史數(shù)據(jù)作為輸出，得到訓(xùn)練樣本；利用訓(xùn)練樣本對(duì)支持向量機(jī)模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的支持向量機(jī)模型；根據(jù)所述影響因素的待預(yù)測(cè)時(shí)刻的實(shí)際數(shù)據(jù)生成測(cè)試輸入向量，并將測(cè)試輸入向量輸入到所述訓(xùn)練后的支持向量機(jī)模型，其輸出即為待預(yù)測(cè)時(shí)刻的負(fù)荷預(yù)測(cè)值。本發(fā)明的需求響應(yīng)下的短期負(fù)荷預(yù)測(cè)方法是基于支持向量機(jī)的短期負(fù)荷預(yù)測(cè)方法，利用支持向量機(jī)良好的非線性函數(shù)逼近能力，改善了預(yù)測(cè)模型的精度和泛化能力。
文檔編號(hào)G06Q50/06GK102930347SQ201210390738
公開(kāi)日2013年2月13日 申請(qǐng)日期2012年10月15日 優(yōu)先權(quán)日2012年10月15日
發(fā)明者衛(wèi)志農(nóng), 劉亞南, 孫國(guó)強(qiáng), 許曉慧, 黃莉, 韋延方, 楊雄, 袁陽(yáng), 陸子剛, 張偉, 陳凡, 劉玉娟, 潘春蘭, 李升 申請(qǐng)人:河海大學(xué), 中國(guó)電力科學(xué)研究院