[發(fā)明專利]一種基于氣溫因素和非線性自回歸時(shí)序模型的短期負(fù)荷預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410228489.8
• 申請(qǐng)日: 2014-05-28
• 公開(kāi)（公告）號(hào): CN104376367B
• 公開(kāi)（公告）日: 2017-10-24
• 發(fā)明（設(shè)計(jì)）人: 沈艷霞;高超
• 申請(qǐng)（專利權(quán)）人: 江南大學(xué)
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/06
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

技術(shù)領(lǐng)域

本發(fā)明涉及電力預(yù)測(cè)技術(shù)領(lǐng)域,尤其涉及一種基于氣溫因素和非線性自回歸時(shí)序模型的短期負(fù)荷預(yù)測(cè)方法。

背景技術(shù)

無(wú)論微網(wǎng)還是大電網(wǎng)，提高短期負(fù)荷預(yù)測(cè)精度都是改善電能質(zhì)量、使電網(wǎng)安全和經(jīng)濟(jì)運(yùn)行的關(guān)鍵一環(huán)。短期負(fù)荷數(shù)據(jù)是按一定的時(shí)間間隔記錄的，帶有時(shí)間特征、非線性和較強(qiáng)的隨機(jī)性，時(shí)序分析方法是對(duì)此類數(shù)據(jù)建模和預(yù)測(cè)的成熟且有效的方法。典型的非線性時(shí)序模型通用性不強(qiáng)，對(duì)負(fù)荷序列平穩(wěn)性要求較高，僅僅考慮歷史數(shù)據(jù),較少考慮外部環(huán)境因素的影響及自身數(shù)據(jù)的規(guī)律性，而電力負(fù)荷的變化既有自身的規(guī)律性，又受某些相關(guān)因素的影響，在影響負(fù)荷的相關(guān)因素中，氣溫是最敏感的因素之一。非線性自回歸時(shí)序模型建模時(shí)無(wú)須對(duì)序列進(jìn)行平穩(wěn)性檢驗(yàn)，所能擬合的非線性范圍廣，通用性好，允許將影響輸出的某些關(guān)鍵因素加入到建模過(guò)程中，可提高時(shí)序模型的建模預(yù)測(cè)精度。

發(fā)明內(nèi)容

本發(fā)明的目的在于，為了提高短期負(fù)荷預(yù)測(cè)準(zhǔn)確率，根據(jù)以上分析，提出一種基于氣溫因素和非線性自回歸時(shí)序模型的短期負(fù)荷預(yù)測(cè)方法。

一種基于氣溫因素和非線性自回歸時(shí)序模型的短期負(fù)荷預(yù)測(cè)方法，包括以下步驟：

獲取若干個(gè)歷史日的電力負(fù)荷和若干個(gè)歷史日的氣溫?cái)?shù)據(jù)以及待預(yù)測(cè)日的預(yù)報(bào)氣溫；

確定所述非線性自回歸時(shí)序模型階次和各階子項(xiàng)記憶步長(zhǎng)，估計(jì)模型參數(shù)，得到負(fù)荷預(yù)測(cè)模型；

根據(jù)所述的待預(yù)測(cè)日的預(yù)報(bào)氣溫和所述的負(fù)荷預(yù)測(cè)模型預(yù)測(cè)所述待預(yù)測(cè)日的負(fù)荷。

與一般的時(shí)序短期負(fù)荷預(yù)測(cè)方法相比，本發(fā)明一種基于氣溫因素和非線性自回歸時(shí)序模型的短期負(fù)荷預(yù)測(cè)方法將氣溫因素加入到所述的負(fù)荷預(yù)測(cè)模型的建模過(guò)程，充分體現(xiàn)了氣溫因素對(duì)于負(fù)荷的巨大影響作用，無(wú)須對(duì)序列平穩(wěn)性進(jìn)行檢驗(yàn)，簡(jiǎn)化了建模過(guò)程，提高了短期負(fù)荷的預(yù)測(cè)精度，為電網(wǎng)調(diào)度控制提供依據(jù)，為電網(wǎng)安全運(yùn)行提供保障。

附圖說(shuō)明

圖1是本發(fā)明一種基于氣溫因素和非線性自回歸時(shí)序模型的短期負(fù)荷預(yù)測(cè)方法的流程示意圖。

具體實(shí)施方式

以下結(jié)合附圖對(duì)本發(fā)明的優(yōu)選實(shí)施例進(jìn)行說(shuō)明，應(yīng)當(dāng)理解，此處所描述的優(yōu)選實(shí)施例僅用于說(shuō)明和解釋本發(fā)明,并不用于限定本發(fā)明。

請(qǐng)參閱圖1，為本發(fā)明一種基于氣溫因素和非線性自回歸時(shí)序模型的短期負(fù)荷預(yù)測(cè)方法的流程示意圖，本發(fā)明一種基于氣溫因素和非線性自回歸時(shí)序模型的短期負(fù)荷預(yù)測(cè)方法，包括以下步驟：

S101獲取若干個(gè)歷史日電力負(fù)荷和若干個(gè)歷史日氣溫?cái)?shù)據(jù)以及待預(yù)測(cè)日的預(yù)報(bào)氣溫。

首先，獲取若干個(gè)歷史日的電力負(fù)荷和若干個(gè)歷史日的氣溫?cái)?shù)據(jù)以及待預(yù)測(cè)日的預(yù)報(bào)氣溫。

將所獲得的電力負(fù)荷數(shù)據(jù)排成負(fù)荷序列，將所獲得的歷史氣溫?cái)?shù)據(jù)據(jù)排成氣溫序列，記{y_k}負(fù)荷序列，{x_k}為氣溫序列，k＝1,2,3,…。

S102確定所述非線性自回歸時(shí)序模型階次和各階子項(xiàng)記憶步長(zhǎng)，估計(jì)模型參數(shù)，得到負(fù)荷預(yù)測(cè)模型。

短期負(fù)荷具有非線性特征，所述的負(fù)荷預(yù)測(cè)模型包括線性子項(xiàng)即一階子項(xiàng)和非線性子項(xiàng)即二階以及二階以上階次子項(xiàng)，所述的各階子項(xiàng)記憶步長(zhǎng)包括負(fù)荷序列關(guān)于該階次的記憶步長(zhǎng)和氣溫序列關(guān)于該階次的記憶步長(zhǎng)。

設(shè)所述模型階次為r，在j階項(xiàng)中(j＝1，2，…，r)，負(fù)荷序列{y_k}和氣溫序列{x_k}關(guān)于該階項(xiàng)的記憶步長(zhǎng)分別記為n_y，j，n_x，j，令m_j＝n_y，j+n_x，j。

設(shè)向量Z_k，j為所述模型中所有j階項(xiàng)所組成的有序數(shù)組。

設(shè)向量Z_k，j，i(i＝1，2，...，j)為Z_k，j中的i次因子：

Z_k，j，2＝{Z_k，j，1(1)Z_k，j，1，Z_k，j，1(2)Z_k，j，1，…，Z_k，j，1(m_j)Z_k，j，1}

Z_k，j，j＝{Z_k，j，1(1)Z_k，j，j-1，Z_k，j，1(2)Z_k，j，j-1，…，Z_k，j，1(m_j)Z_k，j，j-1}