[發(fā)明專利]自適應(yīng)局部非線性回歸偏差補(bǔ)償?shù)碾娋W(wǎng)短期負(fù)荷預(yù)測方法

在審

• 申請?zhí)枺?/td>: 201710206481.5
• 申請日: 2017-03-31
• 公開（公告）號: CN107633316A
• 公開（公告）日: 2018-01-26
• 發(fā)明（設(shè)計(jì)）人: 汪洋;汪洋;張笑晗;周新生;賴曉文;趙燃;劉斐;陳華水;黃湛;張維靜;曹新月;步允千
• 申請（專利權(quán)）人: 北京清能互聯(lián)科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 北京清亦華知識產(chǎn)權(quán)代理事務(wù)所(普通合伙)11201
• 代理人: 羅文群

1.一種自適應(yīng)局部非線性回歸偏差補(bǔ)償?shù)碾娋W(wǎng)短期負(fù)荷預(yù)測方法，其特征在于，包括以下步驟：

(1)從電網(wǎng)負(fù)荷預(yù)測系統(tǒng)獲取電網(wǎng)負(fù)荷預(yù)測所需的基礎(chǔ)數(shù)據(jù)，包括預(yù)測日之前設(shè)定時(shí)段N天內(nèi)每天的電網(wǎng)有功功率負(fù)荷曲線P_i,t、該設(shè)定時(shí)段待負(fù)荷預(yù)測的電網(wǎng)所在地區(qū)的溫度曲線T_i,t、待負(fù)荷預(yù)測的電網(wǎng)所在地區(qū)的濕度曲線H_i,t、待預(yù)測日該負(fù)荷預(yù)測電網(wǎng)所在地區(qū)的溫度曲線T_f,t和濕度曲線H_f,t，其中，i是預(yù)測日之前設(shè)定時(shí)段N天內(nèi)任意一天，取值1，2，…N，t為預(yù)測時(shí)刻，t的取值為1，2，…96，f為待預(yù)測日，P_i,t、T_i,t和H_i,t均為矩陣，T_f,t和H_f,t為向量；

(2)將上述步驟(1)中的有功功率負(fù)荷P_i,t分為趨勢成分和偏差成分ΔP_i,t，根據(jù)上述步驟(1)中預(yù)測日之前N天中N^S天的有功功率負(fù)荷曲線，進(jìn)行模擬測試，采用指數(shù)平滑預(yù)測方法，利用下式，計(jì)算歷史趨勢成分

Pi,t(1)=Σj=1nαn-j+1Σk=1nαkPj,t]]>

上式中，n為指數(shù)平滑預(yù)測的天數(shù)，j與k分別為n天中的任意一天，j與k的取值分別為1，2，…n，α為指數(shù)平滑預(yù)測參數(shù)，取值范圍為0<α<1；

將待預(yù)測日的有功功率負(fù)荷曲線分為趨勢成分和偏差成分采用指數(shù)平滑預(yù)測方法，利用下式，計(jì)算待預(yù)測日趨勢成分

Pf,t(1)=Σj=1nαn-j+1Σk=1nαkPj,t]]>

上式中，n為指數(shù)平滑預(yù)測的天數(shù)，j與k分別為n天中的任意一天，j與k的取值分別為1，2，…n，α為指數(shù)平滑預(yù)測參數(shù)，取值范圍為0<α<1；

(3)根據(jù)上述步驟(1)中的溫度曲線和濕度曲線T_i,t、和采用指數(shù)平滑預(yù)測方法，利用下式，計(jì)算氣象影響因素的平滑值和

Xi,t(1)=Σj=1nαn-j+1Σk=1nαkXj,t]]>

其中，X指氣象影響因素溫度T和濕度H，n為指數(shù)平滑預(yù)測的天數(shù)，j與k指n天中的任意一天，取值1，2，…n，α為指數(shù)平滑預(yù)測參數(shù)，取值范圍為0<α<1；

(4)根據(jù)上述步驟(2)得到的歷史趨勢成分與上述步驟(1)得到的電網(wǎng)有功功率負(fù)荷曲線P_i,t，利用下式，計(jì)算得到預(yù)測日之前設(shè)定時(shí)段N天內(nèi)每天的電網(wǎng)有功功率負(fù)荷曲線P_i,t的預(yù)測偏差成分ΔP_i,t：

ΔPi,t=Pi,t-Ri,t(1);]]>

根據(jù)上述步驟(1)得到的歷史溫度曲線T_i,t、歷史濕度曲線H_i,t、待預(yù)測日溫度曲線T_f,t和待預(yù)測日濕度曲線H_f,t和步驟(3)得到的氣象影響因素的平滑值和利用下式，得到氣象影響因素實(shí)際值與平滑值的偏差值ΔT_i,t、ΔH_i,t、ΔT_f,t和ΔH_f,t：

ΔXi,t=Xi,t-Xi,t(1)]]>

ΔXf,t=Xf,t-Xf,t(1)]]>

其中，X為氣象影響因素溫度T和濕度H.

(5)對上述步驟(4)得到的有功功率負(fù)荷曲線P_i,t的預(yù)測偏差成分ΔP_i,t和氣象影響因素實(shí)際值與平滑值的偏差值(ΔT_i,t,ΔH_i,t)，利用最小二乘法進(jìn)行多元線性擬合，得到負(fù)荷偏差值與氣象影響因素偏差值的多元線性回歸方程ΔP_t＝a_1tΔT_t+a_2tΔH_t+b_t中的系數(shù)a_1t、a_2t和b_t，回歸方程中各項(xiàng)均為長度為96的向量，其中，ΔP_t為有功功率負(fù)荷曲線偏差成分，ΔT_t為溫度曲線偏差成分，a_1t為ΔT_t的系數(shù)，ΔH_t為濕度曲線偏差成分，a_2t為ΔH_t的系數(shù)，b_t為常數(shù)項(xiàng)系數(shù)；

(6)利用下式，計(jì)算上述步驟(5)得到的多元線性回歸方程ΔP_t＝a_1tΔT_t+a_2tΔH_t+b_t的顯著性檢驗(yàn)統(tǒng)計(jì)量F：

F=SSR/pSSE/(N-p-1)]]>

其中，SSR為回歸平方和，其中ΔP_i,t為上述步驟(4)得到的有功功率負(fù)荷曲線P_i,t的預(yù)測偏差成分，為有功功率負(fù)荷曲線P_i,t的預(yù)測偏差成分ΔP_i,t的平均值，SSE為殘差平方和，其中為將上述步驟(4)得到的氣象影響因素實(shí)際值與平滑值的偏差值(ΔT_i,t,ΔH_i,t)代入上述步驟(5)得到的多元線性回歸方程ΔP_t＝a_1tΔT_t+a_2tΔH_t+b_t得到的有功功率負(fù)荷曲線預(yù)測偏差成分的擬合值，p為上述步驟(5)的多元線性回歸方程中的自變量個(gè)數(shù)，N為預(yù)測日之前設(shè)定的時(shí)段的天數(shù)；

設(shè)定一個(gè)顯著性水平是F分布的水平上側(cè)分位數(shù)，若則判定步驟(5)得到的多元線性回歸模型在的置信度內(nèi)線性不顯著，進(jìn)行步驟(7)，若則判定步驟(5)得到的多元線性回歸模型在的置信度內(nèi)是線性顯著的，并進(jìn)行步驟(9)；

(7)采用支持向量機(jī)回歸方法，對上述步驟(4)得到的有功功率負(fù)荷曲線P_i,t的預(yù)測偏差成分ΔP_i,t和氣象影響因素實(shí)際值與平滑值的偏差值(ΔT_i,t,ΔH_i,t)進(jìn)行多元非線性回歸，得到多元非線性回歸模型ΔP_t＝f_t(ΔT_t,ΔH_t)，其中，ΔP_t為有功功率負(fù)荷曲線偏差成分，ΔT_t為溫度曲線偏差成分，ΔH_t為濕度曲線偏差成分；

(8)將上述步驟(4)得到的待預(yù)測日的氣象影響因素實(shí)際值與平滑值的偏差值ΔT_f,t和ΔH_f,t代入上述步驟(7)得到的多元非線性回歸模型ΔP_t＝f_t(ΔT_t,ΔH_t)中，得到待預(yù)測日有功功率負(fù)荷曲線偏差成分：進(jìn)行步驟(10)；

(9)將上述步驟(4)得到的待預(yù)測日的氣象影響因素與平滑值的偏差ΔT_f,t和ΔH_f,t代入上述步驟(5)的負(fù)荷偏差值與氣象影響因素偏差值的多元線性回歸方程ΔP_t＝a_1tΔT_t+a_2tΔH_t+b_t中，得到待預(yù)測日有功功率負(fù)荷曲線偏差成分：進(jìn)行步驟(10)；

(10)將上述步驟(2)得到的待預(yù)測日有功功率負(fù)荷曲線趨勢成分與步驟(8)或步驟(9)得到的待預(yù)測日有功功率負(fù)荷曲線偏差成分相加，得到待預(yù)測日的有功功率負(fù)荷預(yù)測值：