一種基于經(jīng)驗日局部校正多點外推算法的負荷預測方法
【專利摘要】一種基于經(jīng)驗日局部校正多點外推算法的負荷預測方法，它包括如下步驟：1)樣本數(shù)據(jù)的選擇；它主要考慮日期類型、距預測日的時間等；取與預測日相隔不超過兩個月，或是預測日前一年的同一月的個歷史日構(gòu)成負荷預測的樣本集；2)異常數(shù)據(jù)的檢測和處理；它包括數(shù)據(jù)垂直處理、數(shù)據(jù)水平處理和缺失數(shù)據(jù)處理；3)利用概率統(tǒng)計預測未來負荷的變化趨勢；將相近兩點的負荷變化趨勢分為:上升趨勢、下降趨勢、水平趨勢三種；利用概率統(tǒng)計分析原理預測未來負荷變化的趨勢；4)利用局部校正的多點外推算法逐一對待預測點進行預測；它采用最小二乘法估計未來負荷變化值；設置提高負荷預測模型精度的方法主要是采用經(jīng)驗日局部校正的多點外推方法。
【專利說明】一種基于經(jīng)驗日局部校正多點外推算法的負荷預測方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及的是一種基于經(jīng)驗日局部校正的多點外推算法來提高電力系統(tǒng)負荷 預測精度的負荷預測方法。

【背景技術(shù)】
[0002] 超短期負荷預測是電力系統(tǒng)調(diào)度運營和用電服務部門的一項重要的日常工作， 其預測精度的高低直接影響到電力系統(tǒng)運行的安全性、經(jīng)濟性和供電質(zhì)量，它的特點可以 歸納為：要預測的數(shù)據(jù)個數(shù)多、影響預測的物理因素復雜且具有隨機性和預測精度要求高 等。短期負荷預測軟件是電力部門自動化的要求。
[0003] 電力系統(tǒng)超短期負荷預測方法眾多，單一的預測模型由于自身的優(yōu)缺點以及用到 的信息有限，預測精度難以在原有基礎(chǔ)上取得突破。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)存在的不足，而提供一種就是通過經(jīng)驗日局部校 正的多點外推算法來對超短期負荷趨勢預測，縮小平均絕對誤差，達到對超短期負荷預測 精度提高的效果，實時預測節(jié)點負荷，實現(xiàn)了配電系統(tǒng)節(jié)點負荷實時跟蹤的基于經(jīng)驗日局 部校正多點外推算法的負荷預測方法，該方法既抑制不良數(shù)據(jù)的影響，又提高了狀態(tài)估計 的精度和算法的收斂性。
[0005] 本發(fā)明的目的是通過如下技術(shù)方案來完成的，一種基于經(jīng)驗日局部校正多點外推 算法的負荷預測方法，所述的負荷預測方法包括如下步驟：
[0006] 1)樣本數(shù)據(jù)的選擇；它主要考慮日期類型、距預測日的時間等；為保證預測的精 度，取與預測日相隔不超過兩個月，或是預測日前一年的同一月的個歷史日構(gòu)成負荷預測 的樣本集；按照周一、周五、其他工作日、休息日和特殊節(jié)假日（如元旦、端午、中秋、國慶 等）進行日期類型劃分，不同日期類型采用直接賦值的方式進行量化處理；樣本距預測日 的時間采用近大遠小的原則，根據(jù)經(jīng)驗數(shù)據(jù)進行量化處理，并利用相似度計算對樣本數(shù)據(jù) 進行選擇；
[0007] 2)異常數(shù)據(jù)的檢測和處理；對樣本中的異常數(shù)據(jù)進行檢測和處理，包括數(shù)據(jù)垂直 處理、數(shù)據(jù)水平處理和缺失數(shù)據(jù)處理，保證樣本數(shù)據(jù)的準確度；
[0008] 3)利用概率統(tǒng)計預測未來負荷的變化趨勢；相似日樣本數(shù)據(jù)可能存在負荷變化 趨勢上的差異，將相近兩點的負荷變化趨勢分為：上升趨勢、下降趨勢、水平趨勢三種；利 用概率統(tǒng)計分析原理預測未來負荷變化的趨勢，即對未來負荷的變化趨勢采用概率統(tǒng)計的 方法進行分析判定；
[0009] 4)利用局部校正的多點外推算法逐一對待預測點進行預測；它采用最小二乘法 估計未來負荷變化值；設置提高負荷預測模型精度的方法主要是采用經(jīng)驗日局部校正的多 點外推方法，此外，考慮特殊因素或事件對預測時刻的影響，對于有影響的預測時刻的值進 行局部修正。
[0010] 2、根據(jù)權(quán)利要求1所述的基于經(jīng)驗日局部校正多點外推算法的負荷預測方法，其 特征在于：
[0011] 所述的步驟1)中，樣本數(shù)據(jù)相似度的計算方法是：
[0012] 分別計算各歷史日與待預測日的相似度，獲得相似矩陣M為：
[0013] M = [mid], i = I, 2, . . . , N ；d = I, 2, . . . , D
[0014] 其中，M--相似度矩陣，mid--每個歷史日的每個因素與待測日對應因素的相似 度。
[0015] 根據(jù)M計算各歷史日與待測日的總相似度。采用將歷史日各因素的相似度相乘， 即

【權(quán)利要求】
1. 一種基于經(jīng)驗日局部校正多點外推算法的負荷預測方法，其特征在于所述的負荷預 測方法包括如下步驟： 1) 樣本數(shù)據(jù)的選擇；它主要考慮日期類型、距預測日的時間等；為保證預測的精度，取 與預測日相隔不超過兩個月，或是預測日前一年的同一月的個歷史日構(gòu)成負荷預測的樣本 集；按照周一、周五、其他工作日、休息日和特殊節(jié)假日（如元旦、端午、中秋、國慶等）進 行日期類型劃分，不同日期類型采用直接賦值的方式進行量化處理；樣本距預測日的時間 采用近大遠小的原則，根據(jù)經(jīng)驗數(shù)據(jù)進行量化處理，并利用相似度計算對樣本數(shù)據(jù)進行選 擇； 2) 異常數(shù)據(jù)的檢測和處理；對樣本中的異常數(shù)據(jù)進行檢測和處理，包括數(shù)據(jù)垂直處 理、數(shù)據(jù)水平處理和缺失數(shù)據(jù)處理，保證樣本數(shù)據(jù)的準確度； 3) 利用概率統(tǒng)計預測未來負荷的變化趨勢；相似日樣本數(shù)據(jù)可能存在負荷變化趨勢 上的差異，將相近兩點的負荷變化趨勢分為：上升趨勢、下降趨勢、水平趨勢三種；利用概 率統(tǒng)計分析原理預測未來負荷變化的趨勢，即對未來負荷的變化趨勢采用概率統(tǒng)計的方法 進行分析判定； 4) 利用局部校正的多點外推算法逐一對待預測點進行預測；它采用最小二乘法估計 未來負荷變化值；設置提高負荷預測模型精度的方法主要是采用經(jīng)驗日局部校正的多點外 推方法，此外，考慮特殊因素或事件對預測時刻的影響，對于有影響的預測時刻的值進行局 部修正。
2. 根據(jù)權(quán)利要求1所述的基于經(jīng)驗日局部校正多點外推算法的負荷預測方法，其特征 在于： 所述的步驟1)中，樣本數(shù)據(jù)相似度的計算方法是： 分別計算各歷史日與待預測日的相似度，獲得相似矩陣M為： M= [mid],i=I, 2,. . . ,N；d=I, 2,. . . ,D 其中，M--相似度矩陣，mid--每個歷史日的每個因素與待測日對應因素的相似度。 根據(jù)M計算各歷史日與待測日的總相似度。采用將歷史日各因素的相似度相乘，即
當考察第i個因素時，總相似度對其它因素的偏導數(shù)中，均含有因子mid。當mid較小 時，第i個因素成為主導因素，而主導因素差距明顯時，決定了2個日期不相似； 所述的步驟2)中： 所述數(shù)據(jù)的垂直處理是：相近幾日的負荷應維持在一定的范圍內(nèi)，如果超出這個范圍， 認為該數(shù)據(jù)是壞數(shù)據(jù)； 如果

式中：Mt)為最近幾日t時刻的負荷平均值；P(i，t)為第i天t時刻的負荷值；ε(t) 為閥值，可根據(jù)實際情況人為設定； 所述數(shù)據(jù)水平處理是：以前后兩個時刻的負荷數(shù)據(jù)為基準，設定數(shù)據(jù)的最大變化范圍， 如果某負荷值與前后兩個時刻的負荷數(shù)據(jù)之差的絕對值都超過最大變化范圍，就認為該負 荷值是壞數(shù)據(jù)； 如果 Z
Z 其中p(i，t)為第i天t時刻的負荷值；a(t)、β(t)為閥值，可根據(jù)實際情況進行設 定； 所述數(shù)據(jù)的缺失處理是：如果某樣本缺失數(shù)據(jù)較多（連續(xù)超過2個小時），將該樣本直 接剔除；若缺失數(shù)據(jù)較少，可采用兩種方式進行處理。一種修正方法就是將缺失負荷值用數(shù) 據(jù)庫中的預測負荷值代替；如果相應的預測負荷值不存在，利用相鄰幾個同類型日的正常 數(shù)據(jù)取加權(quán)平均值得到缺失數(shù)據(jù)；
其中p(i,t)為第i天t時刻的負荷值；N為正常同類型日的個數(shù)；p(j,t)為第j天t時刻的負荷值；為p(j，t)的權(quán)重，根據(jù)第j天與第i天的相似程度和經(jīng)驗數(shù)據(jù)進行設 置。
3.根據(jù)權(quán)利要求1所述的基于經(jīng)驗日局部校正多點外推算法的負荷預測方法，其特征 在于： 步驟3)中，利用概率統(tǒng)計分析原理預測未來負荷變化的趨勢是：
i= 1，2…，η 其中，η為樣本數(shù)據(jù)個數(shù)；yi (t)，yi (t2)分別為第i個樣本tpt2時刻的樣本數(shù)據(jù)。 統(tǒng)計各種變化趨勢的概率：
最終變化趨勢的判別策略：
所述步驟4)中，利用局部校正的多點外推算法逐一對待預測點進行預測是： 根據(jù)數(shù)學模型 P(tn) =P(V1) +ΔP=P(tj+bΔt 式中：PUlri)為U時刻的負荷值，P(tn)為UAt時刻的負荷值。ΛP為待求時刻 的變化值，b為待求時刻的負荷變化速率。若取得具有相同變化趨勢的k個同類型日在待 求時間段內(nèi)的負荷數(shù)據(jù)：P(i，，p(i，h)，p(i，t2)，則同一時刻的k天負荷平均值為：
從上面3點的平均負荷值計算在待求時間段內(nèi)的變化值，采用最小二乘法來進行擬 合，得到
則t2時刻的預測負荷值為： p(t2) =pUJ+bAt 在通過上述算法得到預測負荷值之后，為考慮特殊因素或事件對預測時刻的影響，可 將一些已經(jīng)預知的因素和事件進行人為設定，對于有影響的預測時刻的值進行局部修正； P(t'）為上述算法推算出的負荷預測值，p(t)為最終負荷預測值，為特殊因素或事件 對負荷的影響大小，a(tj為事件j對t時刻負荷預測的影響系數(shù)；
【文檔編號】G06Q50/06GK104463445SQ201410704701
【公開日】2015年3月25日 申請日期:2014年11月27日 優(yōu)先權(quán)日:2014年11月27日
【發(fā)明者】韓志軍, 王堅敏, 嚴耀良, 朱偉, 陳國恩, 趙仰東, 王躍強, 吳 琳, 張磊, 任志翔, 羅里志, 屠一艷, 郭劍虹 申請人:國網(wǎng)浙江省電力公司嘉興供電公司