[發明專利]基于相似日分段和LM-BP網絡的短期負荷預測方法

有效

• 申請號: 201810095496.3
• 申請日: 2018-01-31
• 公開（公告）號: CN108229754B
• 公開（公告）日: 2021-12-10
• 發明（設計）人: 羅平;查道軍;程晟;王堅;陳巧勇;孫偉華
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/04;G06N3/08
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 朱月芬

本發明公開了一種基于相似日分段和LM?BP網絡的短期負荷預測方法；本發明根據氣象因素與待預測日對應歷史負荷曲線之間綜合相關系數的定量計算，將待預測日負荷曲線分段，針對不同時段的預測負荷曲線分別求取對應的相似日；并綜合考慮了基于歷史日氣象相似度和歷史負荷數據的趨勢相似度和形狀相似度的多特征相似度判斷標準來進行相似日的選擇，從同一類歷史數據中選取出相似度最高的相似日樣本；并對預測負荷不同時段，通過不同的訓練樣本建立不同的神經網絡模型模型，從而進一步提高了神經網絡模型的預測精度。本發明提高了預測算法的計算速度和收斂速度。

技術領域

本發明屬于電力系統負荷預測領域，具體涉及一種基于相似日分段和LM-BP神經網絡的短期負荷預測方法。

背景技術

電力系統短期負荷預測作為負荷預測工作的重要組成部分，主要是對未來幾小時、1天或幾天的負荷進行預測。其預測精度對提高發電設備的利用率和經濟調度的有效性，發展和完善當前電力市場具有重要的意義。短期負荷預測的方法按其發展歷程可以分為經典預測方法和現代預測方法。傳統預測方法主要是基于概率統計理論，常見的有時間序列法、回歸分析法等。而現代預測方法常用的有人工神經網絡方法、小波分析法、支持向量機等。

基于相似日理論，可以利用較少的歷史數據，獲得較高的預測精度。但由于待預測日的真實負荷曲線不可預知，因此不能通過直接比較負荷曲線的相似性來選擇相似日，因此現有的文獻幾乎都是通過氣象條件的相似性來進行相似日的選擇。但由于現有的氣象數據不夠全面，再加上待預測日的氣象數據也是預測得到的，本身就存在一定的誤差，從而影響了負荷預測的準確性。由于相似日的選取會直接影響負荷預測的精度，因此國內外出現了較多基于相似日選取的短期負荷預測方法。

文獻[1]對相似日選取方法進行了研究，提出了從趨勢相似日和形狀相似日兩個方面考慮的相似日選取算法。但是該文沒有考慮氣象因素對負荷的重要影響。文獻[2]分析了影響負荷預測因素的一般規律，提出了一種便于識別主導負荷變化因素的相似日選取方法。文獻[3]以氣象因素的誤差和最小為目標來選擇相似日，并利用小波分解和神經網絡得到負荷低頻和高頻分量的主要特征。文獻[4]利用灰色關聯度法求歷史日與預測日的氣象關聯系數，再考慮時間因素，得到綜合匹配系數，按照綜合匹配系數求取相似日，以相似日的綜合匹配系數為權重求負荷加權和作為預測日負荷。該文獻雖然考慮了氣象因素和時間因素，但是對歷史負荷數據缺少足夠的分析。文獻[5]考慮了溫度變化趨勢對負荷預測的影響，但是該文獻對氣象因素的考慮僅局限于溫度，沒有考慮濕度和降雨量等因素的影響。文獻[6]通過定性分析負荷波動規律將每天負荷進行分段，根據曲線形狀相似度、曲線差異度和氣象因素相似度等多種目標相似的方法來選取相似日。文獻[7]綜合考慮氣象、日類型等影響因素，建立曲線辨析函數選擇相似日，并利用分形特性對相似日選取的范圍進行修正。文獻[8]介紹了相似日選取算法中，求取動態誤差權值的計算方法，這種方法在相似日選取時能夠根據氣象因素的變化動態調整誤差權值。

上述文獻中絕大多數都是根據氣象、時間等因素選擇選擇歷史日中的某一天作為待預測日的相似日，然后在此基礎上再進行預測和修正。盡管文獻[6]提出了將每日負荷曲線進行分段，然后分段選取相似日的方法，但是該文獻沒有提出具體負荷曲線分段定量計算的方法，只是簡單的根據負荷曲線進行了定性的分段。因此如何準確的選擇相似日仍是電力系統短期負荷預測中急需解決的問題。

參考文獻

[1]莫維仁，張伯明.短期負荷預測中選擇相似日的探討[J].清華大學學報(自然科學版),2004,44(1):106-109.

[2]黎燦兵,李曉輝,趙瑞,等.電力短期負荷預測相似日選取算法[J].電力系統自動化,2008,32(9):69-73.