[發明專利]短期電力負荷預測方法

在審

• 申請號: 201910568621.2
• 申請日: 2019-06-27
• 公開（公告）號: CN110322062A
• 公開（公告）日: 2019-10-11
• 發明（設計）人: 何建劍;蘇冬梅;李靖波;王國彬;劉會;岳東明;張羽;苗光堯;田曉濤;陳鋒銳;李葉飛;王磊;周玫;安靜;賀生斌
• 申請（專利權）人: 國網寧夏電力有限公司電力科學研究院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N20/10
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 張惠玲

本發明涉及電力預測領域，更具體地說，涉及一種短期電力負荷預測方法，包括：從歷史數據中獲取短期電力負荷樣本數據針對短期電力負荷樣本數據利用主成分分析技術進行分析，得到短期電力負荷的主成分分量數據；構建支持向量機模型，并根據主成分分量數據構建訓練集；運用訓練集對支持向量機模型進行訓練，得到短期電力負荷預測模型；利用所述短期電力負荷預測模型對未來短期的電力負荷進行預測。本發明能夠對未來電力負荷進行準確、實時、可靠的預測。

技術領域

本發明涉及電力預測領域，更具體地說，涉及一種短期電力負荷預測方法。

背景技術

電力負荷預測是電力市場能量管理系統的重要組成部分。短期電力負荷預測是針對短期負荷隨機性和不確定性的特點，綜合考慮天氣情況、社會因素的條件下，充分研究和利用現有歷史數據，建立一套符合歷史數據連續性、周期性等特點的數學模型，在滿足較高精度的意義上，確定未來幾小時、一天或幾天的電力負荷。

因此，電力負荷預測是電力系統安全、經濟運行的有效保障，也是市場環境中編排調度計劃、供電計劃、交易計劃的基礎。提高短期負荷預測技術水平，有利于電力系統安全穩定運行，有利于減少電力運行成本，有利于協調發電、輸電與用電關系，提升電力企業效益。在電力生產和消費市場化的趨勢中，對負荷預測的準確性、實時性、可靠性和智能型的需求與日俱增，電力系統規模不斷擴大，電力數據資源急劇呈指數級增長，造成“維數災難”，嚴重影響預測精度。相應地，如何在巨量數據中挖掘關鍵因素，減少預測模型的復雜程度，提高電力負荷預測精度已成為電力企業的重要研究課題。

發明內容

本發明要解決的技術問題在于，針對現有技術的缺陷，提供一種短期電力負荷預測方法，能夠對未來電力負荷進行準確、實時、可靠的預測。

本發明解決其技術問題所采用的技術方案是：構造短期電力負荷預測方法，包括：

從歷史數據中獲取短期電力負荷樣本數據；

針對短期電力負荷樣本數據利用主成分分析技術進行分析，得到短期電力負荷的主成分分量數據；

構建支持向量機模型，并根據主成分分量數據構建訓練集；

運用訓練集對支持向量機模型進行訓練，得到短期電力負荷預測模型；

利用所述短期電力負荷預測模型對未來短期的電力負荷進行預測。

上述方案中，所述從歷史數據中獲取短期電力負荷樣本數據，具體包括：

從歷史數據中獲取歷史負荷數據；

將歷史負荷數據整理為矩陣大小為m×k維的樣本矩陣，所述樣本矩陣為短期電力負荷樣本數據。

上述方案中，所述針對短期電力負荷樣本數據利用主成分分析技術進行分析，得到短期電力負荷的主成分分量數據，具體包括：

將短期電力負荷樣本數據進行中心化，得到去平均數據集；

計算去平均數據集的協方差矩陣；

求出所述協方差矩陣的特征值和對應的特征向量；

將所述協方差矩陣的特征值從大到小排序，取出最大的n個特征值，所述n至少為1；

將n個特征值所對應的特征向量組成特征矩陣；

構建主成分分量的約束函數，并將短期電力負荷樣本數據投影到特征矩陣中，得到短期電力負荷的主成分分量數據。

上述方案中，所述運用訓練集對支持向量機模型進行訓練，得到短期電力負荷預測模型，具體包括：

通過Wolfe對偶定理結合拉格朗日乘子法，將支持向量機模型的原始優化問題轉化為支持向量機模型的對偶優化問題；