[發(fā)明專利]一種短期建筑負(fù)荷概率密度預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011424080.5
• 申請(qǐng)日: 2020-12-08
• 公開(kāi)（公告）號(hào): CN112446550B
• 公開(kāi)（公告）日: 2022-08-23
• 發(fā)明（設(shè)計(jì)）人: 孫改平;劉蓉暉;林順富;米陽(yáng);陳騰;馬天天;趙增凱;韋江川;王樂(lè)凱;楊濤;張飛翔
• 申請(qǐng)（專利權(quán)）人: 上海電力大學(xué)
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q10/06;G06Q50/06;G06N3/04
• 代理公司: 上海科盛知識(shí)產(chǎn)權(quán)代理有限公司 31225
• 代理人: 楊宏泰

本發(fā)明涉及一種短期建筑負(fù)荷概率密度預(yù)測(cè)方法，包括以下步驟：1)以最大相關(guān)系數(shù)和最小冗余為原則，對(duì)原始外生變量采用正交最大相關(guān)系數(shù)進(jìn)行篩選，得到選擇后的外生變量；2)對(duì)于選擇后的外生變量，引入二進(jìn)制風(fēng)險(xiǎn)指示變量以提高峰值負(fù)荷預(yù)測(cè)的準(zhǔn)確性；3)構(gòu)建卷積門(mén)控分位數(shù)回歸模型，以篩選后的外生變量與二進(jìn)制風(fēng)險(xiǎn)指示變量共同作為輸入，以不同分位數(shù)下的建筑負(fù)荷預(yù)測(cè)值為輸出進(jìn)行訓(xùn)練；4)采用訓(xùn)練好的構(gòu)建卷積門(mén)控分位數(shù)回歸模型進(jìn)行預(yù)測(cè)得到不同分位數(shù)下的預(yù)測(cè)值，將不同分位數(shù)下的預(yù)測(cè)值通過(guò)擬合的核函數(shù)得到概率密度分布函數(shù)。與現(xiàn)有技術(shù)相比，本發(fā)明具有提高峰值時(shí)間預(yù)測(cè)準(zhǔn)確性、提高預(yù)測(cè)精度、充分特征提取等優(yōu)點(diǎn)。

技術(shù)領(lǐng)域

本發(fā)明涉及建筑負(fù)荷大數(shù)據(jù)預(yù)測(cè)領(lǐng)域，尤其是涉及一種基于正交最大相關(guān)系數(shù)特征選取和卷積門(mén)控神經(jīng)網(wǎng)絡(luò)的短期建筑負(fù)荷概率密度預(yù)測(cè)方法。

背景技術(shù)

短期負(fù)荷預(yù)測(cè)(short-term load forecasting，STLF)對(duì)于區(qū)域負(fù)載(如智能家居，微電網(wǎng)和有源配電網(wǎng))的現(xiàn)代電力系統(tǒng)穩(wěn)定性與經(jīng)濟(jì)性發(fā)展至關(guān)重要，用戶特征的多樣性和需求響應(yīng)的不確定性使預(yù)測(cè)變得更加困難，不準(zhǔn)確的負(fù)荷預(yù)測(cè)會(huì)對(duì)生產(chǎn)計(jì)劃產(chǎn)生不利影響，電力負(fù)荷受氣象、經(jīng)濟(jì)、節(jié)假日等因素影響，若考慮所有影響因素將增加計(jì)算復(fù)雜度，影響預(yù)測(cè)精度。

短期建筑負(fù)荷是電力系統(tǒng)經(jīng)濟(jì)調(diào)度、機(jī)組優(yōu)化、能源交易等的基礎(chǔ)和關(guān)鍵。在智能電網(wǎng)中，需求響應(yīng)的實(shí)施、用戶特性的多樣性和分布式發(fā)電集成的復(fù)雜性給建筑負(fù)荷的變化帶來(lái)了顯著的不確定性。更好地理解建筑負(fù)荷的不確定性有助于提高預(yù)測(cè)精度，并節(jié)省成本，建筑負(fù)荷受氣象、經(jīng)濟(jì)、節(jié)假日等因素的影響。現(xiàn)有的預(yù)測(cè)將所有因素都作為預(yù)測(cè)模型的輸入變量，大大增加了計(jì)算復(fù)雜度，導(dǎo)致了維度災(zāi)難，影響建筑負(fù)荷預(yù)測(cè)結(jié)果，而且目前短期建筑負(fù)荷預(yù)測(cè)大部分是點(diǎn)負(fù)荷預(yù)測(cè)，而點(diǎn)負(fù)荷預(yù)測(cè)的預(yù)測(cè)彈性不足，精度不夠，且無(wú)法描述具有較高滲透率的負(fù)荷預(yù)測(cè)不確定性。

發(fā)明內(nèi)容

本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種短期建筑負(fù)荷概率密度預(yù)測(cè)方法。

本發(fā)明的目的可以通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)：

一種短期建筑負(fù)荷概率密度預(yù)測(cè)方法，該方法包括以下步驟：

1)以最大相關(guān)系數(shù)和最小冗余為原則，對(duì)原始外生變量采用正交最大相關(guān)系數(shù)進(jìn)行篩選，得到選擇后的外生變量；

2)對(duì)于選擇后的外生變量，引入二進(jìn)制風(fēng)險(xiǎn)指示變量以提高峰值負(fù)荷預(yù)測(cè)的準(zhǔn)確性；

3)構(gòu)建卷積門(mén)控分位數(shù)回歸模型，以篩選后的外生變量與二進(jìn)制風(fēng)險(xiǎn)指示變量共同作為輸入，以不同分位數(shù)下的建筑負(fù)荷預(yù)測(cè)值為輸出進(jìn)行訓(xùn)練；

4)采用訓(xùn)練好的構(gòu)建卷積門(mén)控分位數(shù)回歸模型進(jìn)行預(yù)測(cè)得到不同分位數(shù)下的預(yù)測(cè)值，將不同分位數(shù)下的預(yù)測(cè)值通過(guò)擬合的核函數(shù)得到概率密度分布函數(shù)。

所述的步驟1)中，原始外生變量包括建筑歷史負(fù)荷和天氣變量，所述的天氣變量包括溫度、露點(diǎn)、濕度、風(fēng)速和氣壓。

所述的步驟1)中，具體包括以下步驟：

11)計(jì)算每個(gè)原始外生變量與建筑負(fù)荷變量之間的Kendall相關(guān)系數(shù)；

12)選擇最大Kendall相關(guān)系數(shù)對(duì)應(yīng)外生變量向量作為變量子集S中的第一個(gè)變量向量α₁；

13)計(jì)算除α₁以外剩余的所有外生變量向量關(guān)于變量子集S的正交化向量β，并得到對(duì)應(yīng)的標(biāo)準(zhǔn)正交向量e，計(jì)算正交相關(guān)系數(shù)并將最大正交相關(guān)系數(shù)對(duì)應(yīng)的外生變量向量放入變量子集S中；

14)重復(fù)步驟13)直至變量子集S中的外生變量向量個(gè)數(shù)達(dá)到設(shè)定值。

所述的步驟11)中，Kendall相關(guān)系數(shù)的計(jì)算式為：