[發明專利]一種考慮氣象因素的短期電力負荷預測方法

在審

• 申請號: 201510799160.1
• 申請日: 2015-11-19
• 公開（公告）號: CN106779129A
• 公開（公告）日: 2017-05-31
• 發明（設計）人: 王濤;王鐵強;岳賢龍;王艷陽;顧雪平
• 申請（專利權）人: 華北電力大學(保定);國網河北省電力公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明屬于電力負荷預測技術領域，特別涉及一種考慮氣象因素的短期電力負荷預測方法。

背景技術

短期負荷預測是電網能量管理系統的重要功能，是電力系統安全、經濟、可靠運行的基礎。負荷預測的精度直接影響電力系統的安全性、經濟性和供電質量。因此如何提高預測精度是目前短期負荷預測技術研究的重點。

目前用于短期負荷預測的方法主要有傳統預測方法和現代預測方法兩大類。傳統預測方法包括指數平滑法、回歸分析法、時間序列法、灰色預測法等。其中以時間序列法應用最為廣泛。時間序列法針對一維時間序列，以歷史負荷數據為依據推斷未來負荷的數值變化，沒有考慮氣象因素對負荷的影響，造成重要信息的缺失。有些方法即使考慮了氣象因素的影響，也多是分析日負荷與最高溫度、最低溫度等單個氣象因素的關系，不能反映所有的氣象信息，容易造成分析結果出現誤差，從而影響短期負荷預測的精度，難以滿足地區負荷預測的需要。現代預測方法主要有專家系統法、遺傳算法、神經網絡法、支持向量機等。神經網絡由于自學習能力和對復雜非線性系統處理能力，成為短期負荷預測的一種重要方法。由于神經網絡的結構和參數多依據主觀經驗確定，因此難以保證預測的效果。合理確定神經網絡的結構和參數可有效提高負荷預測的精度。

針對現有短期負荷預測方法存在的不足，本發明目的是提供一種考慮氣象因素的短期電力負荷預測方法，該方法綜合考慮了多個氣象因素對負荷的影響， 選擇關鍵氣象因素用于負荷預測，有效減少負荷預測的工作量，提高負荷預測的準確性和可靠性；采用螢火蟲優化算法優化Elman神經網絡的參數，進一步提高負荷預測的精度和實時性，為電網運行人員制定發電計劃提供可靠依據，保障電網安全、高效和穩定運行。

發明內容

本發明的目的在于提出一種考慮氣象因素的短期電力負荷預測方法，其特征在于，包括如下步驟：

1)收集地區電網的歷史負荷數據以及對應的歷史氣象數據，并按日期類型對負荷數據和氣象數據進行分類篩選，檢測并修正異常數據；

2)采用相關性分析方法，分析步驟1)得到的負荷數據與各氣象因素的相關程度，確定影響該地區負荷的關鍵氣象因素；

3)根據地區電力負荷與關鍵氣象因素的相關性建立綜合氣象因素；

4)采用快速傅里葉變換，對步驟1)得到的負荷數據進行頻譜分析，總結地區電網日負荷曲線的變化特性，找出預測日的典型相似日，并按日期排序；

5)利用選定負荷與綜合氣象因素建立Elman神經網絡，確定Elman神經網絡的結構，采用螢火蟲算法訓練Elman神經網絡并優化網絡參數，對訓練好的Elman神經網絡進行測試以建立Elman神經網絡短期負荷預測模型；

6)獲取待預測時刻的氣象預報數據，計算綜合氣象因素，將綜合氣象因素和相應負荷數據生成測試輸入向量，輸入Elman神經網絡短期負荷預測模型，其輸出即為待預測時刻的負荷預測值；

7)顯示負荷預測值。

所述歷史氣象數據包括：溫度、相對濕度、風速、降雨量、氣壓、輻射、溫濕指數、人體舒適度指數。

所述相關性分析方法的公式為：

式(1)中，x_i為需要辨識其相關性的氣象因素，如溫度、濕度、風速等，y_i為負荷數據，為該氣象因素的平均值，為負荷的平均值

所述采用螢火蟲算法訓練Elman神經網絡并優化網絡參數的步驟為：

步驟401：初始化螢火蟲種群規模n，最大迭代次數T_max，每個螢火蟲依次編碼Elman神經網絡的連接權值、結構層初始輸入和自反饋增益因子；

步驟402：計算各螢火蟲的適應度函數f_i，并將其作為螢火蟲的亮度，按照f_i的值越小螢火蟲亮度越高的原則，對螢火蟲進行排序，找到最亮的螢火蟲。適應度函數的計算公式如下：

式(2)中，為預測值，y_j為真實值，N為樣本總數。

步驟403：計算各螢火蟲的吸引度β，計算公式如下：

式(3)中，β₀為螢火蟲的最大吸引度；β_min為最小吸引度；γ為介質吸收因子。

步驟404：更新所有非最亮螢火蟲的位置，公式如下：