[發明專利]基于時頻變換特征提取及自回歸趨勢預測技術的電力負荷預測方法及裝置

有效

• 申請號: 201910248745.2
• 申請日: 2019-03-29
• 公開（公告）號: CN110009145B
• 公開（公告）日: 2021-04-02
• 發明（設計）人: 史玉良;張暉;管永明;呂梁;劉智勇;甄帥
• 申請（專利權）人: 山大地緯軟件股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/06
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 李琳

1.一種基于時頻變換特征提取及自回歸趨勢預測技術的電力負荷預測方法，其特征是：包括以下步驟:

獲取氣溫與節假日影響因素：采集相關日期日最高溫和最低溫，對每日氣溫做歸一化處理，根據日期結合農歷年辨識出節假日；

對用戶負荷做n層小波分解，利用最高層的低頻系數反映負荷變化的趨勢,通過聚類提取具有相同趨勢的負荷曲線，將分類后的每一類變化曲線與氣溫及節假日進行關聯分析，得到每一類變化曲線與影響因素的相關性；

對得到的小波系數與氣溫或節假日相關的分類采用回歸分析法進行預測，反應負荷自身變化趨勢的高頻系數部分則采用三次指數平滑算法進行預測，得到初步預測計算結果；

采用基于小波分解和三次指數平滑算法的短期負荷預測模型進行預測，預測出的每日24點負荷與得到的最大負荷、最小負荷及平均負荷進行對比，進行初步預測計算結果的修正，得到最終的短期預測結果；

所述進行初步預測計算結果的修正，具體表現為：

除最大最小值外的負荷之和S₁為：式中，Max、Min和Mean分別表示短期預測模型計算出的最大負荷值、最小負荷值和平均負荷值；

除去最大最小負荷值的負荷之和S₂為：S₂＝∑x_i，式中，x_i為第i時刻的負荷值，i為不包括取得最大負荷和最小負荷值的時刻；

修正后的i時刻負荷值x_i′為：

2.如權利要求1所述的一種基于時頻變換特征提取及自回歸趨勢預測技術的電力負荷預測方法，其特征是：獲取氣溫與節假日影響因素中，具體包括從網頁爬取相關日期的日最高溫和最低溫，對每日氣溫做歸一化處理，根據權重將最高溫和最低溫合并到一起，根據日期結合農歷年辨識出節假日，并對節假日加以量化。

3.如權利要求1所述的一種基于時頻變換特征提取及自回歸趨勢預測技術的電力負荷預測方法，其特征是：在進行n層小波分解后的聚類之前，對每個用戶的小波系數進行歸一化，采用的方法是使每個用戶的系數特征的模為1；

或，采用基于歐式距離的Kmeans算法進行聚類，實現數據的噪音濾波，將具有相同用電行為特征的用戶劃分在一類；

或，進行影響因素的關聯時，將分類后的每一類變化曲線與氣溫及節假日的外部因素采用Apriori算法做關聯分析，得到每一分類結果分別與哪一種或哪幾種外部因素相關的結果。

4.如權利要求1所述的一種基于時頻變換特征提取及自回歸趨勢預測技術的電力負荷預測方法，其特征是：獲得分類和關聯結果后，對于不同類用戶，采用不同的預測方法，對于得到的小波系數與氣溫或節假日相關的分類采用回歸分析法進行預測，反應負荷自身變化趨勢的高頻系數部分則采用三次指數平滑算法進行預測，將兩者得到的預測結果相加得到初步短期預測結果。

5.如權利要求1所述的一種基于時頻變換特征提取及自回歸趨勢預測技術的電力負荷預測方法，其特征是：基于小波分解和三次指數平滑算法的短期負荷預測模型的預測過程包括：

對現有的用戶每天24點的數據做小波n層分解，得到第n層的低頻系數和高頻系數；

對第n層的低頻系數和高頻系數進行小波系數重構；

對重構后的小波系數采用三次指數平滑算法進行預測，將每部分預測結果相加即為最終短期負荷預測結果。