[发明专利]基于改进的灰色预测法的电力负荷预测方法

权利要求书

1.一种基于改进的灰色预测法的电力负荷预测方法，其特征是所述方法包括：

步骤1：选择预测日之前的N个同类型日，提取所述N个同类型日的整日负荷曲线；所述同类型日型包括工作日、双休日和节假日；

步骤2：对N个同类型日的整日负荷曲线进行预处理，从而得到N个同类型日的同一时刻的负荷组成历史负荷序列；

步骤3：获取每个时刻的历史负荷序列的负荷对应的气温值，将其与预测日相同时刻的气温值一起组成该时刻的气温值序列，根据气温值序列修正历史负荷序列；

步骤4：计算预测日的各个时刻的预测值，并组成预测日负荷曲线；

步骤5：对预测日负荷曲线进行修正得到最终的负荷预测曲线。

2.根据权利要求1所述的基于改进的灰色预测法的电力负荷预测方法，其特征是所述步骤2具体包括：

步骤101：令l＝0；

步骤102：任意选取一个同类型日的整日负荷曲线；

步骤103:使用灰色关联度模型比较该任意选取的同类型日的整日负荷曲线与其他同类型日的整日负荷曲线的相关性，如果该任意选取的同类型日的整日负荷曲线与其他同类型日的整日负荷曲线的不相关，则执行104；否则，执行105；

步骤104：令l＝l+1并剔除该任意选取的同类型日的整日负荷曲线及其对应的同类型日，选择所述预测日之前的第N+l个同类型日并提取所述预测日之前的第N+l个同类型日的整日负荷曲线；

步骤105：任意选取一个未曾被选取过的同类型日的整日负荷曲线，重复步骤103-步骤105，直至每个同类型日的整日负荷曲线与其他同类型日的整日负荷曲线的都相关；

步骤106：从每个同类型日中选取m个时刻，获取N个同类型日的每个时刻的负荷X(k,t)，k=1,2,...,N，t=1,2,...,m，X(k,t)是第k个同类型日第t个时刻的负荷；将N个同类型日的同一时刻的负荷组成一个历史负荷序列{X(k,t)}。

3.根据权利要求2所述的基于改进的灰色预测法的电力负荷预测方法，其特征是所述步骤3包括：

步骤301：获取每个时刻的历史负荷序列的负荷X(k,t)对应的气温值Y(k,t)，将其与预测日相同时刻的气温值Y(t)一起组成该时刻的气温值序列{Y(k,t)}，Y(k,t)=Y(k,t),k=1,2,...,NY(k),k=N+1;]]>其中，X(k,t)是第k个同类型日第t个时刻的负荷，Y(k,t)是第k个同类型日第t个时刻的负荷对应的气温值；

步骤302：判断气温值序列中的气温值是否发生震荡或者突变；

利用公式σ(k,t)=(Y(k,t)-Y(k,t-1))-(Y(k,t+1)-Y(k,t))max(|Y(k,t-1)|,|Y(k,t)|,|Y(k,t+1)|)]]>计算第k个同类型日第t个时刻的温度变化灵敏度，如果固定某个时刻t，对所有的同类型日k，有则N个同类型日同时刻气温值未发生震荡或者突变，令X⁽⁰⁾(k,t)=X(k,t)，k=1,2,...,N；否则，针对该t时刻执行步骤303；

步骤303：对历史负荷序列进行回归拟合修正；

首先对气温值序列{Y(k,t)}进行处理，对气温值序列{Y(k,t)}，k=1,2,...,N，利用公式Y‾(k,t)=ΣkNY(k,t)N]]>求取各个气温值的平均值；

然后利用公式Y′(k,t)=Y(k,t)-Y‾(k,t)]]>对气温值做平移变换；

最后根据公式X⁽⁰⁾(k,t)=X(k,t)-ρa_tY′(k,t)计算修正的历史负荷序列；其中，a_t为t时刻负荷随温度变动而变化的程度且at=Σk=1NY(k,t)2Σk=1NX(k,t)-Σk=1NY(k,t)Σk=1NY(k,t)NΣk=1NY(k,t)2-Σk=1NY(k,t)Σk=1NY(k,t);]]>ρ为权重因子。