[發明專利]一種基于氣溫因素和非線性自回歸時序模型的短期負荷預測方法

有效

• 申請號: 201410228489.8
• 申請日: 2014-05-28
• 公開（公告）號: CN104376367B
• 公開（公告）日: 2017-10-24
• 發明（設計）人: 沈艷霞;高超
• 申請（專利權）人: 江南大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于氣溫因素和非線性自回歸時序模型的短期負荷預測方法，其特征在于，包括以下步驟：

步驟一：獲取若干個歷史日的電力負荷和若干個歷史日的氣溫數據以及待預測日的預報氣溫；

步驟二：確定所述非線性自回歸時序模型階次和各階子項記憶步長，估計模型參數，得到負荷預測模型；

步驟三：根據所述的待預測日預報氣溫和所述的負荷預測模型預測所述待預測日負荷；

所述的負荷預測模型包括線性子項即一階子項和非線性子項即二階以及二階以上階次子項，所述的各階子項記憶步長包括負荷序列關于該階次的記憶步長和氣溫序列關于該階次的記憶步長，確定所述的模型階次和各階子項記憶步長包括以下步驟：

步驟二(101)：定義線性定階指標和非線性定階指標；

步驟二(201)：根據所述的線性定階指標確定所述模型的一階子項記憶步長，短期負荷非線性較強，線性部分占比較小，在確定所述模型的一階子項記憶步長時，令所述的負荷序列關于該階次的記憶步長等于所述的氣溫序列關于該階次的記憶步長；

步驟二(301)：根據所述的非線性定階指標確定所述模型的非線性階次和非線性各階子項的記憶步長，每一階非線性子項均有該階子項所對應的非線性定階指標，短期負荷對氣溫因素較敏感，主要通過調節所述的氣溫序列關于各階非線性子項的記憶步長來尋找最優模型；

確定所述模型的非線性階次和非線性各階子項的記憶步長，包括以下步驟：

步驟二(302)：設所述的非線性階次r＝2；

步驟二(303)：令所獲得的負荷序列和氣溫序列關于r階子項的記憶步長的初始值為1，估計模型參數，計算非線性定階指標；

步驟二(304)：令所述的負荷序列關于r階子項的記憶步長增加1，估計模型參數，計算非線性定階指標，與前一個計算所得的非線性定階指標相比較；

步驟二(305)：若所述的非線性定階指標未減小，此時負荷序列的記憶步長即為所述模型的負荷序列關于r階子項的記憶步長，若所述的非線性定階指標減小，則重復上一步驟，直到所述的非線性定階指標不再減小為止，則此時負荷序列的記憶步長即為所述模型的負荷序列關于r階子項的記憶步長；

步驟二(306)：令所述的氣溫序列關于r階子項的記憶步長增加1，估計模型參數，計算非線性定階指標，與前一個計算所得的非線性定階指標相比較；

步驟二(307)：若所述的非線性定階指標未減小，此時氣溫序列的記憶步長即為所述模型的氣溫序列關于r階子項的記憶步長，此時的非線性定階指標即為所述的r階子項非線性定階指標，若所述的非線性定階指標減小，則重復上一步驟，直到所述的非線性定階指標不再減小為止，此時氣溫序列的記憶步長即為所述模型的氣溫序列關于r階子項的記憶步長，此時的非線性定階指標即為所述的r階子項非線性定階指標；

步驟二(308)：令r＝r+1，重復步驟二(303)至步驟二(307)，得到所述的r階子項非線性定階指標，并與r-1階子項非線性定階指標相比較；

步驟二(309)：若所述的r階子項非線性定階指標不小于所述的r-1階子項非線性定階指標，則模型的階次為r-1階，若所述的r階子項非線性定階指標小于所述的r-1階子項非線性定階指標，則令r＝r+1，重復步驟二(303)至步驟二(307)，直到r階子項非線性定階指標不再小于r-1階子項非線性定階指標為止，此時所述模型的階次為r-1階。

2.根據權利要求1所述的一種基于氣溫因素和非線性自回歸時序模型的短期負荷預測方法，其特征在于，確定所述模型的一階子項記憶步長，包括以下步驟：

步驟二(202)：令所獲得的負荷序列和氣溫序列關于一階子項的記憶步長的初始值為1，估計模型參數，計算線性定階指標；

步驟二(203)：令所述的負荷序列和氣溫序列關于一階子項的記憶步長都增加1，估計模型參數，計算所述的線性定階指標，與前一個計算所得的線性定階指標相比較；

步驟二(204)：若所述的線性定階指標未減小，則此時負荷序列和氣溫序列的記憶步長即為所述模型的一階子項記憶步長，若所述的線性定階指標減小，則重復上一步驟，直到所述的線性定階指標不再減小為止，此時負荷序列和氣溫序列的記憶步長即為所述模型的一階子項記憶步長。