[发明专利]基于聚类分析与灰靶理论的中长期电力负荷预测方法

说明书

技术领域

本发明涉及一种基于聚类分析与灰靶理论的中长期电力负荷预测方法，该方法可用于年最大负荷、年用电量等电力负荷特性指标的中长期预测。

背景技术

开展电力负荷预测是电网企业的一项重要工作，提高电力负荷预测的技术水平，有利于制定合理的电源建设规划，有利于合理安排电网运行方式和机组检修计划，有利于节煤、节油和降低发电成本，有利于计划用电管理，有利于提高电力系统的经济效益和社会效益。

电力负荷预测的研究经历了较长的过程，并形成了一些传统预测方法，但随着对预测精度要求的提升，同时受到负荷自身不确定性特征的影响，传统预测方法难以做出更高精度的预测。影响电力负荷的相关因素众多，且具有较强的不确定性和随机性，各因素间也存在着一定的相关性，因此当使用传统方法进行电力负荷预测时，在确定影响因素对被预测量的影响程度方面，由于影响因素之间的强相关性很可能导致信息重叠，使预测模型的准确度下降。迄今，尚未见有关基于聚类分析与灰靶理论的中长期电力负荷预测方法的文献报道和实际应用。

发明内容

本发明的目的是提供的一种能够充分考虑影响因素之间的相关性并予以消除，准确分析各因素对于电力负荷的影响程度，提升电力负荷预测精度与准度的基于聚类分析与灰靶理论的中长期电力负荷预测方法。

为实现上述目的，所采用的技术方案是：基于聚类分析与灰靶理论的中长期电力负荷预测方法，其特征在于，它包括以下步骤：

（1）样本的分类与筛选

确定预测量的影响因素，观测各影响因素的样本数据，分析样本的模糊相似关系，根据样本的独特性、相似性、亲疏程度进行分类与筛选，

1）观测样本数据

设有m个样本，每个样本包括持续观测得到的n个样本元素，观测数据矩阵X如下：

，     （1）

式中，下标i表示第i个样本，下标j表示第j个时间段，x_i表示第i个样本序列，x_ij表示观测数据矩阵X的样本元素，

将样本元素转化为标么值，计算方式如下：

                                  （2）

将观测数据矩阵X转化为标么值矩阵，

，     （3）

2）定义样本距离

样本距离是两个样本之间的欧氏距离，计算方式如下：

                                  （4）

式中，d_pq表示样本p和样本q之间的距离，

3）聚类与筛选

每个样本自成一类，分别计算类与类之间的距离，

将距离最小的两类设为类a和类b，合并成一个新类r，按计算类r与其他类的距离，重复本步骤，直至所有样本合并成一类，

观察各类之间的距离，将距离小于0.2的类合并，新类的样本元素为所合并类的对应元素平均值，其他类保留，组成观测矩阵X的简化矩阵F； 

（2）计算权重系数

根据聚类结果构造标准模式，对样本进行统一测度变换，分别计算各样本的靶心度和权重系数，

1）构造标准模式

定义标准模式为，

对极大值极性指标，取，

对极小值极性指标，取，

对适中值极性指标，取，

2）统一测度变换

                                      （5）

式中，T称为统一测度变换，y_ij是变换后的样本元素数值，y_ij[0,1]，

3）权重系数计算

  ，            （6）

式中，Δ_ij表示样本元素y_ij与标准值y_j^*之间的距离，