[發明專利]自適應局部非線性回歸偏差補償的電網短期負荷預測方法

在審

• 申請號: 201710206481.5
• 申請日: 2017-03-31
• 公開（公告）號: CN107633316A
• 公開（公告）日: 2018-01-26
• 發明（設計）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）人: 北京清能互聯科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙)11201
• 代理人: 羅文群

技術領域

本發明涉及一種自適應局部非線性回歸偏差補償的電網短期負荷預測方法，屬于電力系統負荷預測技術領域。

背景技術

短期負荷預測指的是對未來幾小時、一天甚至幾天電力系統負荷的預測，短期負荷預測的精度直接影響到檢修計劃、機組組合、經濟調度等的編排，進而對電力系統安全、經濟運行產生影響。

短期負荷預測一直是國內外學者的研究重點，過去幾十年來他們提出了很多種預測方法。這些預測方法主要分為三大類：第一類是以時間序列法、回歸預測法等為代表的傳統方法；第二類是以專家系統預測法、支持向量機法、人工神經網絡法等為代表的智能預測方法；第三類方法是將傳統方法與智能預測方法結合，應用于短期負荷預測。已有研究(Tomonobu Senjyu,Paras Mandal,Katsumi Uezato,Toshihisa Funabashi,“Next Day Load Curve Forecasting Using Hybrid Correction Method,”IEEE Trans.Power Syst.)將短期負荷預測分為三個階段，第一階段提出了負荷校正方法，以獲取更加合適的歷史負荷數據；第二階段，考慮到相關因素的影響，采用人工神經網絡算法對第一階段所獲取的歷史負荷進行處理；第三階段，采用模糊邏輯的方法對天氣的季節性變化進行處理。盡管以該方法為代表的現有文獻提出的一些方法極大提高了短期負荷預測的精度，但可能不一定適合中國的實際情況。發明“基于智能偏差補償的短期負荷預測方法”將短期負荷預測分為兩個階段：將負荷分為趨勢成分和偏差成分，第一階段采用時間序列法等傳統方法預測趨勢成分；第二階段采用支持向量機方法根據歷史負荷、溫度、濕度等數據預測未來時段負荷的偏差成分；最后將未來時段負荷的趨勢成分與偏差成分相加得到最終的預測負荷。然而，實際算例測試表明，在第二階段中，若不分析數據特征，盲目的選擇專家系統預測法、支持向量機法、人工神經網絡法等智能預測方法，預測的精度和效率將會有相當大的損失。因此，很有必要首先對數據特征進行分析，然后根據數據的不同特征，選擇不同的智能預測方法。

發明內容

本發明的目的是提出一種自適應局部非線性回歸偏差補償的電網短期負荷預測方法，以克服已有技術的不足之處，結合不同預測模型的具體特征，選擇不同的預測方法，使電網短期負荷預測具有適應性強、預測精度高等特點。

本發明提出的自適應局部非線性回歸偏差補償的電網短期負荷預測方法，包括以下步驟：

(1)從電網負荷預測系統獲取電網負荷預測所需的基礎數據，包括預測日之前設定時段N天內每天的電網有功功率負荷曲線P_i,t、該設定時段待負荷預測的電網所在地區的溫度曲線T_i,t、待負荷預測的電網所在地區的濕度曲線H_i,t、待預測日該負荷預測電網所在地區的溫度曲線T_f,t和濕度曲線H_f,t，其中，i是預測日之前設定時段N天內任意一天，取值1，2，…N，t為預測時刻，t的取值為1，2，…96，f為待預測日，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)中的有功功率負荷P_i,t分為趨勢成分和偏差成分ΔP_i,t，根據上述步驟(1)中預測日之前N天中N^S天的有功功率負荷曲線，進行模擬測試，采用指數平滑預測方法，利用下式，計算歷史趨勢成分

上式中，n為指數平滑預測的天數，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為指數平滑預測參數，取值范圍為0<α<1；

將待預測日的有功功率負荷曲線分為趨勢成分和偏差成分采用指數平滑預測方法，利用下式，計算待預測日趨勢成分

上式中，n為指數平滑預測的天數，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為指數平滑預測參數，取值范圍為0<α<1；

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